一区二区三区日韩视频,亚洲综合在线中文字幕,亚洲午夜精品一区二区

RoboChallenge測評：π0、π0.5領先，自變量WALL-OSS-Flow零成功率引關注

2025-12-05 17:12:11 來源：今日熱點網

在具身智能競速加速升溫的當下，真實場景的客觀評測成為檢驗機器人模型能力最關鍵的一環(huán)。

近日，“具身進化論”在查詢最新發(fā)布的RoboChallenge測試結果時注意到，π0、π0.5 在成功率上遙遙領先其他開源模型。自變量機器人（X Square Robot）的大模型wall-oss-flow雖然在多次企業(yè)自我宣傳中提到，“基本上和PI、和google在同一個水平線上”，但是在多個任務上成功率偏低。根據公開的測評記錄，其在31次測試中大部分成功率為零，這一表現(xiàn)引發(fā)業(yè)內對其大模型真實能力的討論。

RoboChallenge是全球首個具身智能的大規(guī)模真機評測平臺，也是目前行業(yè)內最受關注的真實物理機器人評測平臺，由Dexmal原力靈機聯(lián)合Hugging Face發(fā)布，被視作“機器人界的硬核基準”。其最大特點是真機真測：評測同時接入UR5、Franka、Aloha 雙臂系統(tǒng)以及國產ARX-5 四類主流機器人，統(tǒng)一軟件棧并配備多臺RGB-D深度相機，以確保任務在高度一致的物理條件下進行。

平臺的任務覆蓋柔性物體處理、雙臂協(xié)作、多階段順序動作等真實世界的關鍵難點。其中Table30場景包含30個具有代表性的日常任務，包括疊抹布、整理果籃、插花、開關水龍頭等，難度從基礎操作遞進到長鏈條組合動作。

據了解，RoboChallenge 之所以被認為更加客觀，是因為其采用了 “任務成功率 + 進度評分”的雙指標體系。前者統(tǒng)計任務是否完整成功，后者將任務拆解為多個關鍵階段并按推進程度累計分值，即便任務未完成也能反映模型做到哪一步，為能力評估提供更細粒度的信息。

在該評測體系中，多款主流開源模型已完成測試。“具身進化論”對比發(fā)現(xiàn)，基于Physical Intelligence （Pi）系列構建的π0和π0.5是官方重點基線，它們在成功率與進度得分上整體領先其他開源模型，特別是π0.5，顯示出更成熟的任務執(zhí)行能力。