摘要：具身智能通过“身体—环境—任务”闭环交互，被视为迈向通用人工智能的核心路径。然而，与模型参数和训练数据的高速扩张形成鲜明对照，其评测体系仍处于“任务碎片化、指标多元化、平台封闭化”的自发状态，造成同一功能在不同研究中的性能差异超过10%，却无法判定来源是算法创新、数据扩充还是评测偏差，严重阻碍了技术迭代与产业落地。本文围绕“从感知到执行”的完整链路，对2020—2025年间发表于CVPR（IEEE/CVF Conference  on Computer Vision and Pattern Recognition）、ICRA（IEEE International Conference on Robotics and Automation）、Neu⁃ rIPS（Conference on Neural Information Processing Systems）等顶级会议与Nature、IJRR（International Journal of Robotic  Research）、JMLR（Journal of Machine Learning Research）等期刊的百余篇文献进行系统梳理，首次提出“静态数据集—仿真平台—真实机器人”三级金字塔式评测范式，并从感知、认知、决策、执行4个环节拆解出20余项核心能力维度与量化指标，分别从方法学假设、适用边界、固有局限和成本—可信度曲线4个角度进行横向对比。本文进一步汇总了46套主流基在数据规模、任务类型、评估指标、开源程度和安全伦理考量等维度的差异。基于此，提出“能力导向、协议统一、三级协同”的未来框架：1）在任务层，由“功能对标”转向“能力对标”，建立可分解、可溯源、可加权的多维误差体系；2）在协议层，制定统一的场景描述、接口规范与指标定义，实现跨平台、跨任务、跨模型的可比性；3）在系统层，构建可远程接入、7 × 24h运行的共享机器人集群，形成“仿真预训练—真机微调—在线更新”的闭环追踪，降低重复建设成本，打通从实验室到场景落地的“最后一公里”。最后讨论了安全伦理、文化偏见和能效评估等新维度如何纳入量化框架，并给出标准化路线图的短、中、长期目标。

关注具身智能产业洞察微信公众号，在对话框回复“260928”，即可下载《具身智能模型评测：从感知到执行》完整版PDF。