PaperStudy「具身评测」：RoboDojo

RoboDojo：从任务成功率到多维能力诊断，构建通用机器人策略的统一评测体系。
 
相比传统机器人 Benchmark，RoboDojo 不再局限于单一的 Task Success Rate，而是更加关注机器人策略的能力全面性、评测标准化与结果可复现性。
 
RoboDojo 构建了涵盖 42 项仿真任务（Simulation Tasks）与 18 项真机任务（Real Robot Tasks） 的评测体系。其中，仿真评测从 Generalization、Memory、Precision、Long-Horizon 和 Open 五个维度，系统评估通用机器人策略的能力边界。
 
核心技术贡献
① Multi-Dimensional Evaluation｜多维能力评测
从单一任务成功率走向多维能力诊断，系统评估机器人策略的泛化、记忆、精细操作、长程执行与开放词汇指令理解能力。
② Heterogeneous Parallel Simulation｜异构并行仿真
基于 Isaac Sim 构建异构任务并行评测框架，支持不同任务与场景的高效并行执行，提升大规模模型评测效率。
③ RoboDojo-RealEval｜标准化真机评测
构建统一的远程真机评测体系，规范机器人配置、任务环境及评测协议，降低不同实验条件带来的偏差，提升评测结果的可比性与可复现性。
④ XPolicyLab｜统一策略部署接口
通过标准化的模型接入与部署接口，降低不同 VLA / Robot Policy 的适配成本，支持跨仿真与真实机器人平台的统一评测。
 
局限性与展望
RoboDojo 的评测重点仍集中于 Robot Manipulation，尚未全面覆盖移动导航、全身控制等更广泛的具身智能能力。
 
机器人基础模型的评测，正在从「Can it finish the task?」走向「What can it actually generalize and understand?」，即从任务成功率的竞争，转向通用能力、真实泛化与可靠执行的综合评估。