具身智能仿真评测平台RoboColiseum发布，真机对齐度近90%

具身智能领域模型架构与算法快速迭代，但行业缺乏统一、可复现且能真实反映模型能力的评测基准，开发者难以准确衡量模型真实边界与短板。

RoboColiseum的发布正是针对这一共性难题，试图构建多维度的系统评测体系，以与真机表现高度一致的仿真评测帮助开发者识别能力优势与短板。

平台基于高保真仿真环境构建，在环境渲染和物理交互方面高度还原真实世界。经实测验证，仿真评测与实机部署的相关性达到89.5%，相同模型在仿真与真实世界中的评测差异小于10%。

这一验证链路是双向的：真机数据训练的模型可直接提交仿真评测，仿真数据训练的模型也能通过真实机器人验证迁移效果，从而缩短“训练-评测-改进-部署”迭代周期。

传统评测常用综合成功率概括模型表现，RoboColiseum则围绕不同能力维度设置任务集，已推出4类能力子榜、78个高保真仿真评测任务，未来将结合产学研需求持续更新。

四类子榜包括：指令跟随（理解颜色、数量、形状等自然语言信息）、空间理解（绝对位置、相对关系、堆叠等）、扰动适应（改变光照、材质、相机位置等检验稳定性）、通用操作（开门、倾倒、分拣等多步骤任务）。

每项任务拆解为多个子步骤，不仅判断最终成功与否，还记录完成步骤、失败点及泛化能力，使失败原因可追溯。

平台将复杂环境配置、资产适配和算力成本封装为自动化服务，开发者从注册到提交最快5分钟，一键部署模型后最快30分钟完成仿真评测，自动返回分项成绩、步骤结果及推演视频。

借助AI Agent，开发者可通过自然语言对话完成数据下载、模型训练、本地验证和评测提交。模型代码和权重无需上传，只需本地部署推理服务并接入标准接口。

平台已提供ACoT-VLA、π0、π0.5、GR00T等国际具身基座模型的基线成绩，并开放训练代码与权重，开发者可自行复现核验，在统一条件下对比。

RoboColiseum的名字源自古罗马圆形竞技场，寓意公开、中立、谁都可以登台。平台既是模型同场比较的“竞技场”，也是开发者反复测试、定位短板的“训练场”。

长期目标是将真实世界复杂任务转化为标准化、可复现、可持续更新的评测体系，让评测成为具身模型研发流程中的基础工具，推动具身智能从精心挑选的成功演示走向可靠、透明、可验证的进步。