搜索：RoboColiseum
—— 四款旗舰模型同台，GPT-6 紧随其后
10 月 20 日，由觅蜂科技、Hugging Face、NVIDIA、清华大学等全球近 20 家高校、企业、科研机构联合发起的具身角斗场 RoboColiseum 公布本轮评测结果：Claude Opus 5.5 位列四款旗舰模型综合第一，GPT-6 Astra 紧随其后。分项来看，GPT-6 Astra 在指令跟随与整体扰动适应上领先，指令跟随得分达 99.35；Opus 在空间理解与通用操作上表现更好，并以最少全轮评测 token 消耗拿下综合第一。平台围绕指令跟随、空间理解、扰动适应和通用操作推出四类能力子榜、78 个高保真仿真评测任务，仿真评测与实机部署相关性达 89.5%。觅蜂提供高保真物体资产与仿真场景，自 8 月上线以来已有 100 多支队伍参与评测。
—— 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。
—— 世界模型大脑进端侧
9 月 14 日，极佳视界与地瓜机器人达成战略合作，以开源模型 GigaBrain-0.7 为首期集成模型，适配地瓜旭日 S600（560 TOPS INT8）并协同接入 GigaWorld 世界生成能力，共建 "世界模型大脑 + 端侧大算力底座 + 真实本体执行" 软硬一体化方案。GigaBrain-0.7 在 RoboColiseum 包揽四项第一并登顶 Hugging Face 趋势榜；旭日 S600 以多核异构架构支撑 VLA、VLM 端侧推理。双方将围绕模型转换、量化部署与推理加速调优，落地家庭服务、工业制造与商业服务等场景。
—— 扰动适应榜平均分 0.692 登顶
9 月 7 日，智象未来正式发布具身世界模型 HiDream-O1-Embodied，秉承原生全模态理念，打通图像、视频、3D、动作等模态，贯通理解 — 推演 — 执行全流程。该模型首次参评 RoboColiseum 即在扰动适应子榜单以平均分 0.692 登顶，通过等价指令空间、多视角协同与高容错训练，实现在光照变化、遮挡等非理想条件下稳定执行。智象以 "真实基座 + 生成增强" 数据范式，与诺亦腾合作实现百倍级数据扩增，构建 "模型 + 数据" 双驱动飞轮，推动从 "模拟世界" 迈向 "真实世界"。
—— 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。
—— 全球共建具身智能 ＂竞技场＂
具身智能正迎来爆发式增长，各种模型层出不穷，但行业普遍面临 "都在秀高光时刻、却没人知道哪个真正可靠" 的尴尬，缺一把统一的 "尺子"。由 Hugging Face、英伟达、清华大学等高校、科研机构、开源社区、机器人企业和模型公司联合共建的 RoboColiseum 仿真评测平台日前正式向全球开放，以 89.5% 的仿真与实机相关性、四大能力维度子榜、78 个高保真任务、失败原因可追溯、域随机化与训练测试隔离等防刷分机制，以及 AI Agent 一键提交、最快 30 分钟出结果的自动化服务，为具身模型搭建了一个公开、中立、可复现的 "竞技场"。
—— 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。
