量子位 2026 年 7 月 8 日 17:59 发布文章《具身智能“高考”难疯了！人类 100 分，最强模型 12.8》，介绍了 RoboDojo 这个面向通用机器人操作策略的统一评测基准。1

RoboDojo 论文在 arXiv 上的题目是《RoboDojo: A Unified Sim-and-Real Benchmark for Comprehensive Evaluation of Generalist Robot Manipulation Policies》。论文摘要称，它包含 42 个仿真任务和 18 个真实世界任务，覆盖泛化、记忆、精细操作、长程执行和开放词汇指令跟随等能力维度。2

这组图片笔记把原文拆成四张卡：第一张看清这场「考试」的规模，第二张看它具体考什么，第三张看当前模型和人类专家的分差，第四张收束到一个判断：Demo 能跑通，不等于机器人已经能稳定干活。

论文榜单显示，仿真榜单里 Hy-Embodied-0.5-VLA 的平均成功率为 8.80%，人类专家远程操作参考值为 76.03%；真实世界榜单里 π0.5 的总体成功率为 12.8%，人类专家为 100%。这些数字来自论文中 2026 年 7 月 3 日冻结的榜单。3

读这篇文章时最该保留的边界是：RoboDojo 给出的是一套评测口径和榜单切片，不是对所有机器人产品的最终判定。它更像一把尺子，把「能做出漂亮演示」和「能在标准化任务里稳定完成」分开了。