BiGym 2.0 人形机器人基准:Claude 写规则操控 Unitree G1 达 51.9%,逼近 VLA
teortaxesTex · x · 2026-11-03
BiGym 2.0 基准测试 AI agent 控制人形机器人做家务任务:agent 看一次演示后编写驱动 Unitree G1 的程序,得分是隐藏测试片段的完成率。
核心成绩(9 个核心任务平均):
- Claude Opus 5.5(Claude Code)51.9% 居首,GPT-6 Astra 46.5%;
- 在 20 任务全量榜上,学习型策略仍领先:π0.5 VLA 75.0%、ACT 模仿学习 68.0%,但 GPT-6 Astra 写代码达 64.5%,超过多数 RL/模仿基线;
- Kimi K3.1 Pro 18.4%、DeepSeek V4.1 Flash 10.6% 明显落后,梯队分层清晰。
teortaxesTex 的观察更宏观:OpenAI 和 Anthropic 都在呈现"更晚发布的更低档模型达到相同甚至更高性能"的模式(Fable 5.1-5.5 与 Opus-Sonnet、6 Astra 与 6.1 Sol/Terra),长尾能力上同样如此。被引用的评论指出:LLM 仅靠写规则就能逼近 VLA,本身就是 Scaling Law 的又一力证。
「具身」频道最新
- NVIDIA 展示用前沿 AI Agent 驱动 Omniverse 物理仿真开发 — CurieuxExplorer · 2026-11-03
- 清华伯克利开源 uni-robot-agent，Qwen3.8-Flash 零样本超越 GPT-6 — Jiarui Yuan · 2026-11-03
- 斯坦福新论文:安全过滤器约束人形机器人,无需重训 RL 策略 — drmapavone · 2026-11-03
- 华为 TinyAstral:自进化 Harness 蒸馏进 4B 小模型,六项机器人基准领先 — Kehong Gong · 2026-11-03
- 记者实测 $2000 Duo：好玩但难当主力机，不建议多数人买 — film_girl · 2026-11-03
- 通用 LLM 加机械臂胜过专用机器人模型，bitter lesson 席卷机器人 — zakkohane · 2026-11-03