从RoboDojo最新榜首看，具身开始考全科了！

Tom Hardy

58人浏览 · 2026-08-27 15:54:31

Tom Hardy · 2026-08-27 15:54:31 发布

刚刚结束的2026世界机器人大会上，行业正在发生一个很明显的变化。

单点技能的Demo，越来越不够性感了。

机器人会叠衣服、倒水、插零件、整理桌面的视频已经越来越多，但对于基础模型，一个更难的问题开始被反复追问：

现在泛化能力到底怎么样了？换一台机器人，同一个基础模型还剩多少能力？

今年WRC同期也设置了人形机器人测评主题活动，讨论性能测试、标准建设与场景化验证。与此同时，具身智能领域的测评榜单也陆续开始从单一任务、单一场景，向更复杂的综合能力测试发展：“开始从「会不会做一道题」，进入「到底有没有明显偏科」的阶段”。

这一点，可以从最近更新的RoboDojo榜单来看，它给这场“全科考试”换了一个榜首：DM0.5，团队是原力灵机。

之前，LIBERO、RoboTwin、RoboChallenge、VLA-Arena等具身智能Benchmark不断出现，一个模型针对一套题做到很高的成功率，已经不再特别稀奇。

难的是把几种完全不同的能力放在一起考。

而RoboDojo，恰恰在找模型的“偏科”。

原文链接：从RoboDojo最新榜首看，具身开始考全科了！

01 把具身模型拉进一场「综合考试」

RoboDojo 由香港大学多媒体实验室牵头，联合加州大学伯克利分校、清华大学等全球近 20 所高校及科研机构共同参与建设

和不少以短时序、特定技能或者相似操作模式为主的机器人Benchmark不同，RoboDojo在仿真环境中设置了42项任务，并把模型能力拆成泛化、记忆、精细操作、长程执行和开放语义理解五个维度。

另外还有18项真实机器人任务，用标准化真机环境继续测试策略在物理世界中的表现。

这五科，基本对应了今天通用机器人真正容易翻车的地方。

这套评测的难度也相当高。2026年7月首批榜单中，排名第一的模型平均成功率仅为 8.80%，而人类专家达到 76.03%。因此，DM0.5此次登顶值得关注的不只是又多了一个第一，更在于它延续了此前在多个不同评测体系中的稳定表现。

02 从单臂到双臂，从操作到导航，一条连续的榜单记录

判断一个基础模型是否真正具有“通用”属性时，越来越重要的一个视角是：它究竟是在某一道题上拿到了高分，还是在不同考卷上都没有明显偏科？

从公开数据看，这次DM0.5 更接近后者。

在单臂操作基准 LIBERO 中，DM0.5 综合成功率达到 99.0%；在强调双臂协同及场景随机化的 RoboTwin 2.0 中，简单和复杂场景下成功率分别达到 93.6% 和 93.3%。在 VLA-Arena 中，任务进一步加入安全、干扰、外推和长程执行等变量。DM0.5 在不同难度设置下的成功率分别达到 89.0%、53.6% 和 44.1%。

而当测试从仿真走向真机，DM0.5 在 RoboChallenge Table30 V2 中面对 ARX5、UR5、ALOHA、Dexmal-Mirror 四种异构机器人以及 30 项复杂任务，取得 43.0% 的整体成功率和 54.42 的综合得分，位列榜首。