RoboDojo 7 月上线时，仿真榜第一的成功率只有 8.80%。三个月后，榜首到了 68.87%，离人类专家的 76.03% 只差一步。

10 月 27 日智元 GO-3 Nano Preview 刚登顶，3 天后 Q0-Preview 就领先了约 12 .5个百分点。

一张卷子被越来越多人考出高分，还有没有价值？正好刷到 RoboDojo 团队陈天行发帖收集意见，说说阿东的看法。

1️⃣ 仿真榜有价值，但要看清分数在说什么

12 分的领先说明范式在变，Q0-Preview 走的是 Agent 赛道。分项也比总分更有用：VPP2 总分登顶时，开放语义成功率只有 4.08%。涨得快也有风险。陈天行提到，他们会用闭集复测，有团队因此掉分被拒；所有方案必须开源可复现；难以审核的 Open 维度计划不再计分。

2️⃣ 不同路线，比的不是同一件事
VLA 动作稳、语义弱；WAM 先预测画面再出动作；Agent 语义强，但 GPT-6 Astra 直接控制时，精细操作成功率只有 4%；混合路线让 Astra 只纠正 14.4% 的步骤，10 个任务的成功率就到了 48%。Agent 交互迭代慢、算力贵，现在已经单独分榜。阿东觉得，分数旁边还应该报评测耗时和成本。

3️⃣ 真机榜做成什么样才有价值？
1. 统一硬件，双盲打分
2. 任务不提前公开，定期换题
3. 报稳定性和失败恢复，不只报成功率
4. 加安全指标，Astra 的真机测试就因动作危险中止过
5. 记录耗时和人工干预次数

4️⃣ 仿真到真机，到底难在哪？

阿东觉得难点主要在五个地方：
1. 接触物理：摩擦、碰撞、形变，仿真只能近似。插入、对齐这类精细动作最先崩。
2. 感知噪声：真实相机有反光、遮挡和运动模糊。仿真里光是打乱场景，Hy-Embodied 的分数就从 21.98 掉到 1.57，到了真实世界只会更脆。
3. 执行误差会累积：电机误差和延迟一开始很小，长程任务里越积越大，最后整条轨迹都偏了。
4. 本体差异：同一个策略换一台机械臂，表现可能差很多。RoboDojo 的三种本体里，Piper X 几乎是所有模型最难的，不少模型直接 0%。

所以仿真更像能力诊断，真机才是部署考试，不能拿仿真分直接推真机表现。论文也说明，真机任务和仿真并不一一对应。

阿东的建议是：真机榜可以设一组和仿真一一对应的“孪生任务”，直接量出迁移掉了多少分。
榜被刷得快，说明领域在动，规则也得跟着动。仿真分越高，越要看它在真机上还剩多少。你觉得真机榜最该加哪一条？

#具身智能 #RoboDojo #机器人 #VLA #Agent#Sim2Real #科研