RoboColosseum 基准实测:通用机器人策略跨本体一致性弱
huggingface · hf · 2026-11-04
NUS、华盛顿大学、Stanford、Hugging Face、BitRobot 等机构联合发布 RoboColosseum,一个在真实开放环境中大规模评估通用机器人策略的基准。
主要发现:
- 跨本体一致性弱:不同机器人本体上的评测结果难以互相印证
- 开放世界可靠性有限:通用策略在真实环境中的表现不稳定
- 零样本与微调差距大:微调带来的提升远超零-shot 表现
论文、代码、模型与数据集均已开源(robocolosseum.ai / GitHub / HF),由 MAGIC LAB 团队主导,旨在解决物理实验难以复现的问题,让物理智能评测可规模化、可标准化。
「具身」频道最新
- Figure 机器人办公室演示片曝光，CEO 称场景如科幻电影 — adcock_brett · 2026-11-04
- 「Beyond Validation Loss」:预训练最佳 checkpoint 未必是下游微调最优起点 — SongShuran · 2026-11-04
- Liber-0 机器人零样本操作:2.2M 小时人类数据 60 任务 36% 成功率 — CyberRobooo · 2026-11-04
- DISCO 蒸馏树搜索获 CoRL 2026 最佳论文提名：机器人免搜索长程规划 — yining_hong · 2026-11-04
- 开源灵巧操作框架 DexSuite：10 臂 12 手 30 任务一栈搞定 — mangahomanga · 2026-11-04
- 果蝇 16.6 万神经元回路图谱被用作机器人控制器 — CurieuxExplorer · 2026-11-04