Physical AI 评测标准演进：从成功率转向可靠性实测

ylecun · x · 2026-08-17

Physical AI（具身智能）的评测基准正在从单一的 LIBERO 成功率榜单，向更全面的堆栈演进。涌现出的新评测包括：Allen AI 统一 18+ 模拟基准、LeRobot 跨模拟接口、PhAIL 的真实机器人吞吐量指标、Robocurve 独立实体评测及 RoboDojo 的虚实结合评测。核心趋势是评估重心从“能否完成任务”转向系统在物理世界中的可靠性、速度和泛化能力。