机器人操作能力如何评测?港大设计了试卷!

近日，由香港大学 MMLab 罗平教授及其博士生陈天行共同发起、港大牵头并联合加州大学伯克利分校、清华大学等国际顶尖学术机构共同构建的 RoboDojo 正式亮相！

这是一个面向具身智能的统一仿真与真实机器人操作评测基准。项目以非营利、面向社区的方式运行，旨在为全球研究共同体提供公平、透明、可复现的评测体系。

作为具身智能领域的“珠穆朗玛峰”基准，RoboDojo 不止于单一任务展示，而是系统评估机器人在泛化、记忆、精细操作、长程执行和开放语义理解等核心能力上的表现。平台目前包含 42 个仿真任务、18 个真实机器人任务，并完成了对 30 个代表性机器人策略的统一评测。结果显示，当前模型与人类水平之间仍存在显著差距：最佳模型在仿真环境中的平均成功率仅为 8.80%，在真实世界评测中的平均成功率为 12.8%，远低于人类专家表现。

为确保评测的可靠，RoboDojo 强调标准化、开放性和学术中立性。其真实世界评测协议统一了硬件配置、工作空间布局、光照条件、场景复位流程、部署接口和评分标准，并引入盲审机制。此外，项目还打造了 XPolicyLab 统一接入层，使不同机器人策略能够在同一框架下高效完成训练、部署和横向比较。

通过这一开放、公益的研究基础设施，团队希望推动具身智能从 Demo 驱动的展示，走向可衡量、可比较、可持续的技术演进，为通用机器人智能的攀登之路提供一把共同认可的“海拔尺”。