中國日報2月4日電（記者 馬思）當(dāng)大語言模型在數(shù)字世界不斷刷新人類認(rèn)知邊界，一場關(guān)于 AI 如何“扎根”現(xiàn)實(shí)物理世界的革命正悄然進(jìn)行。全球首個具身智能大規(guī)模真機(jī)評測平臺—— RoboChallenge 近日正式發(fā)布首份年度報告。報告基于過去數(shù)月內(nèi)（2025 Q4～2026 Q1）平臺完成的數(shù)萬次嚴(yán)苛遠(yuǎn)程真機(jī)測試，以大規(guī)模、標(biāo)準(zhǔn)化、可復(fù)現(xiàn)的數(shù)據(jù)，客觀揭示了當(dāng)前視覺-語言-動作模型在真實(shí)物理環(huán)境中的能力邊界與共性挑戰(zhàn)。

近年來，大語言模型與視覺語言模型取得了爆發(fā)式突破，人工智能在感知、認(rèn)知與推理層面展現(xiàn)出驚人潛力。然而，將這種能力可靠地賦予機(jī)器人，使其在復(fù)雜多變的物理世界中理解、決策并執(zhí)行任務(wù)，仍是橫亙在研究者面前的巨大挑戰(zhàn)。真機(jī)測試長期面臨難以復(fù)現(xiàn)、缺乏統(tǒng)一標(biāo)準(zhǔn)、成本高昂等核心痛點(diǎn)，導(dǎo)致模型評估往往停留在仿真環(huán)境或有限場景，其“現(xiàn)實(shí)世界智能”成色幾何，始終難以量化評判。RoboChallenge正是為破解這一行業(yè)共性難題而生。

據(jù)悉，作為由原力靈機(jī)與 Hugging Face 聯(lián)合發(fā)起的全球首個具身智能大規(guī)模真機(jī)評測平臺，RoboChallenge致力于構(gòu)建一個開放、公正、可大規(guī)模復(fù)現(xiàn)的“真實(shí)考場”。自 2025 年 10 月 15 日正式上線以來，平臺已成功部署了包含 UR5、Franka Panda、ARX5、ALOHA 等四大主流機(jī)型在內(nèi)的 20 臺真機(jī)集群，構(gòu)筑起一個穩(wěn)定、多元的遠(yuǎn)程物理測試網(wǎng)絡(luò)。

為推動真機(jī)評測走向規(guī)范化、標(biāo)準(zhǔn)化，2025 年 11 月 20 日，原力靈機(jī)與 Hugging Face 深度集結(jié)智源研究院、智元機(jī)器人、Qwen、星海圖、自變量、清華大學(xué)、西安交通大學(xué)及 GOSIM，共同成立了 RoboChallenge 組委會。

基于對海量真機(jī)測試數(shù)據(jù)的深度分析，RoboChallenge 年度報告揭示了以下核心發(fā)現(xiàn)與亮點(diǎn)觀察：基礎(chǔ)任務(wù)趨近成熟，“疊碗”和“物體移入盒子”兩項任務(wù)因其相對較高的成功率，成為多數(shù)模型首選的驗(yàn)證性任務(wù)，類似具身智能的入門“考題”。復(fù)雜任務(wù)依然“屹立不倒”：涉及多步驟序列決策、長期規(guī)劃及精細(xì)靈巧操作的任務(wù)，如“整理紙杯”、“制作三明治”等，

此外，報告指出，對當(dāng)前所有參測模型而言仍極具挑戰(zhàn)，成功率長期處于低位，部分甚至接近零。當(dāng)前在 Table30 評測集上表現(xiàn)最佳的模型，其整體成功率也僅在 50% 左右。這既體現(xiàn)了現(xiàn)有模型的進(jìn)步，也充分說明了 Table30 任務(wù)集設(shè)計的挑戰(zhàn)性與現(xiàn)實(shí)價值，表明具身智能在通用能力上仍有巨大提升空間。

同時，實(shí)測數(shù)據(jù)顯示，參測模型雖具備較強(qiáng)的指令語義理解能力（呈現(xiàn)移動趨勢），但在精細(xì)操作任務(wù)中成功率不足 15%。這種現(xiàn)象在 RoboChallenge 平臺上沉淀了大量真機(jī)失敗數(shù)據(jù)，這份公開的“錯題集”可作為模型迭代優(yōu)化的關(guān)鍵參考。

RoboChallenge 標(biāo)為，未來將持續(xù)迭代，引入更多機(jī)器人本體類型，拓展至更多元化、更貼近真實(shí)工業(yè)與家庭需求的場景評測集，并設(shè)計更具挑戰(zhàn)性的任務(wù)。平臺還將探索分布式真機(jī)評測機(jī)制，進(jìn)一步擴(kuò)大測試規(guī)模與效率。