港大团队开发物理AI统一基准RoboDojo

在机器人学习领域，不同系统常使用不同的硬件、模拟环境和评分方法，导致模型间难以直接比较，也无法判断结果能否迁移到真实世界。香港大学多媒体实验室联合近20所大学的研究人员，包括UC Berkeley和清华大学，开发了RoboDojo基准，旨在提供一种可复现的方式，在虚拟和物理环境中比较机器人学习方法。

RoboDojo项目由香港大学计算与数据科学学院AI研究和技术转移副总监Ping Luo与博士生Tianxing Chen共同发起。Luo表示，RoboDojo是首个由香港主导的统一模拟和标准化真实机器人评估的基准，旨在将具身AI从令人印象深刻的演示推向可测量、可比较和可信的进步。

RoboDojo将模拟测试、标准化物理机器人测试和机器人控制策略评估整合在单一框架中。平台包含30个代表性机器人策略、42个模拟任务和18个真实世界任务。

测试覆盖物理AI的多项关键能力，包括泛化到新情境、记忆信息、执行精确动作，以及完成需要多步骤和长时间跨度的任务。

早期结果显示，当前AI系统与人类表现之间存在巨大差距。根据香港大学的数据，表现最好的AI模型在模拟任务中成功率为8.8%，在真实世界机器人测试中为12.8%。相比之下，人类专家在模拟任务中成功率为76.03%，在物理任务中达到100%。

这些结果凸显了一个问题：一个在精心挑选条件下能完成任务的系统，在环境、物体或动作序列变化时可能表现不佳。标准化基准通过提供共同的任务和测量方法，有助于识别这些弱点。

RoboDojo已向更广泛的机器人社区开放。据香港大学称，其开源资源自发布以来在Hugging Face上被下载超过10万次，项目相关帖子在X平台首周浏览量超过10万。