搜索：RoboColiseum
—— RoboColiseum 四榜全第一
原力灵机 DM0.5 登顶 RoboColiseum 四大榜单，是该平台唯一全项登顶模型，也是第 6 个第一。RoboDojo 综合 24.90 分第一，Memory 维度 47.74 分远超第二；LIBERO 成功率 99.0%、RoboTwin 2.0 双场景 93% 以上。模型采用 4B VLM 主干与 680M Action Expert 的 VLA 架构，数据含 5 万小时真机操作、10 万小时 Ego 视频、100 万平场景重建，推理延迟 534 毫秒压至 57.49 毫秒、9.29 倍加速。DM0.5 已全面开源，在零售商仓储、3C 工厂真实作业。
—— 打破Demo评测乱象，重塑产业迭代标准
相较于大模型成熟的标准化评测体系，具身智能长期缺乏统一考核标尺，存在演示效果与真机表现脱节、仿真注水、行业难以横向对比等乱象。全新常态化仿真评测平台RoboColiseum上线，以高保真仿真环境、多维度评测体系、轻量化在线服务，搭建行业通用“竞技场”，大幅压缩模型迭代周期，推动具身智能从炫技Demo走向标准化、实用化发展。
—— 仿真与真机的双轨探索
具身智能模型迭代迅速，全球各类榜单已超 20 个，中国牵头至少 11 个，但行业仍缺乏统一评测标准，分化出高保真仿真基准与真实机器人测试两条路线。多方共建的 RoboColiseum 仿真平台围绕指令跟随、空间理解、扰动适应、通用操作四维度推出 78 个任务，相同模型仿真与真机成功率差异小于 10%，开发者最快 30 分钟完成评测。但仿真与现实仍存在落差：虚拟环境消除现实干扰、企业可定向调试，榜单允许自有硬件导致算法能力无法剥离，标准化简短动作不覆盖产业长时间稳定运行需求。真机评测同步推进，RoboChallenge、港大 RoboDojo 等平台尝试统一硬件与评分标准，但多局限桌面操作。业内判断未来大概率走向仿真基准与产业场景评测两套体系并行。
—— 具身智能亟待统一 ＂标尺＂
2026 年过半，具身智能模型快速涌现，但模型数量的增长并未让行业变得更清晰，横向能力对标反而越缺乏统一参照。本文以新上线的 RoboColiseum 仿真评测平台为切入点，梳理了其 89.5% 的仿真与实机相关性、四类能力子榜及失败可追溯的设计逻辑，并全景呈现了工信部行业标准、企业评测平台、国际联合评估网络等多方入局态势。文章直指具身评测之难的本质 —— 动态物理世界无法压缩为标准问答、真机成本高昂、Sim2Real 鸿沟难以弥合、榜单更新滞后于模型迭代，而评测体系作为产业核心基础设施，其共识形成正在加速。
