逐任务拆解机器人评测:头部的两家实验室已在练机器人相关任务
teortaxesTex · x · 2026-10-26
作者 @teortaxesTex 在与他人的讨论中给出了一份机器人任务评测的逐任务(per-task)分布拆解,并指出两个值得注意的现象:
- 排名前二的实验室明显已经在机器人相关任务上做训练,成绩分布呈现「阶跃函数」特征——例如某模型在 "Pick box" 任务上 Sol 6 版本表现与 1017/Kimi 同样糟糕,而 Sol 6.1 就有明显进步。
- 各任务表现差异非常大:1017 是唯一在 "Drawer open" 任务上拿到 0% 的模型;在 9 个任务中的 4 个里,1017 和 K3.1 都是 0 分;"Reach Dual" 上两者持平;而在 "Reach Multi-Modal" 上 Kimi 已接近头部梯队;"Drawer close" 则整体表现很差。
这条讨论的价值在于:总体分数掩盖了逐任务的结构性差异,逐任务 breakdown 才能看出哪些实验室真正在为具身/机器人场景做针对性训练。
所属事件:Kimi K3.1 Pro 机器人基准达一线，成本却高 20 倍(3 条相关)→
「具身」频道最新
- 阿里 λ0 机器人：500 小时人类视频训练，G1 成功率 62.5% 超 π0.5 — AIFlow_ML · 2026-10-26
- 开源天空相机让 Claude Code 自主值守：一夜抓 17 颗流星并自动筛完 — Terrible_Award_2124 · 2026-10-26
- 苹果要求供应商增产 30%,折叠 iPhone 出货预期上调至 8-10 百万台 — asymco · 2026-10-26
- 印度工人拍视频赚外快,理发做饭影像成机器人训练数据 — Olivier__OG · 2026-10-26
- 旧金山街头用机器狗遛真狗,主人称在秘密做人形机器人 — beffjezos · 2026-10-26
- 单台 DGX Spark 跑 Imagination Studio 生成 AI 视频短片 Daybreak — Scobleizer · 2026-10-26