专题 · FULL STORY

RoboColosseum上线：百台真机评测机器人策略

Hugging Face 联合 BitRobot Network、新加坡国立大学等机构于 11 月 4 日推出开放机器人评测计划 RoboColosseum，以百台真机在真实环境中评测机器人策略。次日宇树科技宣布支持该项目，宇树 G1 将作为人形机器人基准类别的主要载体。

2026-11-04 ~ 2026-11-05 · 2 集 · 53 条

第 1 集 · RoboColosseum 上线：百台真机开放评测机器人策略(2026-11-04,51 条)

11 月 4 日，由 Hugging Face、BitRobot Network、EAIC 及新加坡国立大学 MAGIC 实验室等机构联合发起的开放机器人评测计划 RoboColosseum 正式上线。该计划针对业内「trust me bro benchmarks」的痛点，主张「真实硬件上的基准 > 幻灯片上的基准」，定位为物理 AI 的全球试验场，让各实验室的策略模型在真实环境同台竞技。首批评测结果同步公布，核心发现是通用机器人策略的跨本体一致性较弱。

已确认

  • 资源规模：可接入 100+ 台真实机器人，包括 Unitree G1、LeRobot SO-101、YAM、Franka 等；Unitree G1 为 humanoid 基准类别的主力本体，宇树已宣布支持该计划，Earth Rover Mini+ 车队也宣布加入
  • 覆盖 140+ 个真实场景，包括家庭、餐厅等 in-the-wild 环境
  • 基准规模达 20,000+ 次评测运行，并向研究者免费提供 10,000 小时评测时长：提交策略后由全职团队操作真机机队在真实环境中运行测试，可通过表单申请，发布方还限时提供免费评测额度
  • 所有 rollout 结果（包括失败案例）全部公开
  • 首批评测已在 124 个站点完成 5699 次真实世界机器人对比，评测 5 种 VLA 策略与 3 个前沿 AI 模型
  • Hugging Face 发布的基准实测显示：通用机器人策略跨本体一致性较弱，在某一平台上的成功不代表跨任务、跨本体仍能成功
  • 该基准由 NUS、华盛顿大学、Stanford、Hugging Face、BitRobot 等机构联合发布；LeRobot 团队参与协作，Hugging Face CEO Clem Delangue 公开致谢 LeRobot 等开源贡献者，称其为开源社区多年的灯塔；研究者 hqfang、Chris Paxton、Shailesh 等先后转发推广，RoboPapers 播客团队也参与传播

尚未确认

  • 有转述提及 MolmoAct 2 实测排名仅次于 GPT-6 Astra，另有转述称 G1 上无一模型完成任务，这些具体结论仅见于个别转述帖，未见原始基准报告直接确认

为什么重要

  • 真机大规模评测成本高，免费 1 万小时额度显著降低研究团队的验证门槛
  • 失败结果全公开的透明机制，为具身智能策略提供可对比、可复现的标准化评估路径，回应行业对自报基准、摆拍 demo 缺乏公信力的质疑
  • 跨本体一致性弱的实测发现，为通用机器人策略的泛化能力敲响警钟

还有 31 条相关讨论 →

第 2 集 · 宇树 G1 成为 RoboColosseum 人形机器人基准主要载体(2026-11-05,2 条)

宇树科技宣布支持大规模真实环境机器人基准项目 RoboColosseum，宇树 G1 人形机器人将作为人形基准类别的主要载体。同时 Playground 将该基准纳入其 Robot Intelligence Index，发布了首批真实人形机器人评测结果：宇树 G1 经精调后进行 625 次尝试均告失败，显示人形机器人在真实环境任务中仍面临巨大挑战。