RoboChallenge測(cè)評(píng)：π0、π0.5領(lǐng)先，自變量WALL-OSS-Flow零成功率引關(guān)注

在具身智能競(jìng)速加速升溫的當(dāng)下，真實(shí)場(chǎng)景的客觀評(píng)測(cè)成為檢驗(yàn)機(jī)器人模型能力最關(guān)鍵的一環(huán)。

近日，“具身進(jìn)化論”在查詢最新發(fā)布的RoboChallenge測(cè)試結(jié)果時(shí)注意到，π0、π0.5 在成功率上遙遙領(lǐng)先其他開源模型。自變量機(jī)器人（X Square Robot）的大模型wall-oss-flow雖然在多次企業(yè)自我宣傳中提到，“基本上和PI、和google在同一個(gè)水平線上”，但是在多個(gè)任務(wù)上成功率偏低。根據(jù)公開的測(cè)評(píng)記錄，其在31次測(cè)試中大部分成功率為零，這一表現(xiàn)引發(fā)業(yè)內(nèi)對(duì)其大模型真實(shí)能力的討論。

RoboChallenge是全球首個(gè)具身智能的大規(guī)模真機(jī)評(píng)測(cè)平臺(tái)，也是目前行業(yè)內(nèi)最受關(guān)注的真實(shí)物理機(jī)器人評(píng)測(cè)平臺(tái)，由Dexmal原力靈機(jī)聯(lián)合Hugging Face發(fā)布，被視作“機(jī)器人界的硬核基準(zhǔn)”。其最大特點(diǎn)是真機(jī)真測(cè)：評(píng)測(cè)同時(shí)接入U(xiǎn)R5、Franka、Aloha 雙臂系統(tǒng)以及國(guó)產(chǎn)ARX-5 四類主流機(jī)器人，統(tǒng)一軟件棧并配備多臺(tái)RGB-D深度相機(jī)，以確保任務(wù)在高度一致的物理?xiàng)l件下進(jìn)行。

平臺(tái)的任務(wù)覆蓋柔性物體處理、雙臂協(xié)作、多階段順序動(dòng)作等真實(shí)世界的關(guān)鍵難點(diǎn)。其中Table30場(chǎng)景包含30個(gè)具有代表性的日常任務(wù)，包括疊抹布、整理果籃、插花、開關(guān)水龍頭等，難度從基礎(chǔ)操作遞進(jìn)到長(zhǎng)鏈條組合動(dòng)作。

據(jù)了解，RoboChallenge 之所以被認(rèn)為更加客觀，是因?yàn)槠洳捎昧?“任務(wù)成功率 + 進(jìn)度評(píng)分”的雙指標(biāo)體系。前者統(tǒng)計(jì)任務(wù)是否完整成功，后者將任務(wù)拆解為多個(gè)關(guān)鍵階段并按推進(jìn)程度累計(jì)分值，即便任務(wù)未完成也能反映模型做到哪一步，為能力評(píng)估提供更細(xì)粒度的信息。

在該評(píng)測(cè)體系中，多款主流開源模型已完成測(cè)試。“具身進(jìn)化論”對(duì)比發(fā)現(xiàn)，基于Physical Intelligence （Pi）系列構(gòu)建的π0和π0.5是官方重點(diǎn)基線，它們?cè)诔晒β逝c進(jìn)度得分上整體領(lǐng)先其他開源模型，特別是π0.5，顯示出更成熟的任務(wù)執(zhí)行能力。

π0測(cè)試結(jié)果

π0.5測(cè)試結(jié)果

相比之下，自變量的wall-oss-flow 在相同條件下的表現(xiàn)明顯偏弱。測(cè)評(píng)結(jié)果顯示：wall-oss-flow共測(cè)試31次，其中2次成功率為60%，1次成功率為50%，1次成功率為20%，其余所有任務(wù)成功率均為0。

wall-oss-flow測(cè)試結(jié)果

“具身進(jìn)化論”從進(jìn)度分情況看到，模型雖然在部分任務(wù)中能完成初段動(dòng)作，但多數(shù)情況下未能完成關(guān)鍵步驟，執(zhí)行鏈條往往在中段被迫中斷。這與平臺(tái)強(qiáng)調(diào)的“多階段連續(xù)操作能力”形成明顯差距。

公開信息顯示，自變量2023年成立，創(chuàng)始人兼CEO為王潛。今年9月，自變量發(fā)布其開源大模型WALL-OSS，自變量在官方宣傳稿中強(qiáng)調(diào)該模型“具備強(qiáng)大的泛化性和推理能力，在長(zhǎng)程操作任務(wù)方面表現(xiàn)優(yōu)于其他基礎(chǔ)模型”。

王潛甚至曾在接受媒體采訪時(shí)表示：“我們（自變量）的模型水平基本上和PI、和google在同一個(gè)水平線上。”

但此次RoboChallenge 的評(píng)測(cè)結(jié)果顯示，自變量模型的水平、能力在真實(shí)機(jī)器人執(zhí)行任務(wù)時(shí)未能體現(xiàn)，與PI的模型（π0 和 π0.5）也存在明顯差距。

一位具身智能從業(yè)者對(duì)“具身進(jìn)化論”分析，RoboChallenge的獨(dú)特價(jià)值正是在于提供透明、可復(fù)現(xiàn)的真機(jī)評(píng)估環(huán)境，避免主觀展示帶來(lái)的偏差。隨著越來(lái)越多模型加入測(cè)評(píng)，業(yè)內(nèi)對(duì)“模型真實(shí)能力差異”有了更清晰的認(rèn)知。

對(duì)具身智能行業(yè)而言，此次結(jié)果再次提醒：真正的競(jìng)爭(zhēng)不在PR宣傳中，而在三方認(rèn)可的評(píng)測(cè)，學(xué)術(shù)基準(zhǔn)線，以及機(jī)器人能否穩(wěn)定完成任務(wù)的那一刻。

真實(shí)世界，正在成為檢驗(yàn)大模型能力的最終標(biāo)準(zhǔn)。而認(rèn)識(shí)到差距，正是追趕的開始。