中國日報2月4日電（記者 馬思）當大語言模型在數字世界不斷刷新人類認知邊界，一場關于 AI 如何“扎根”現實物理世界的革命正悄然進行。全球首個具身智能大規模真機評測平臺—— RoboChallenge 近日正式發布首份年度報告。報告基于過去數月內（2025 Q4～2026 Q1）平臺完成的數萬次嚴苛遠程真機測試，以大規模、標準化、可復現的數據，客觀揭示了當前視覺-語言-動作模型在真實物理環境中的能力邊界與共性挑戰。

近年來，大語言模型與視覺語言模型取得了爆發式突破，人工智能在感知、認知與推理層面展現出驚人潛力。然而，將這種能力可靠地賦予機器人，使其在復雜多變的物理世界中理解、決策并執行任務，仍是橫亙在研究者面前的巨大挑戰。真機測試長期面臨難以復現、缺乏統一標準、成本高昂等核心痛點，導致模型評估往往停留在仿真環境或有限場景，其“現實世界智能”成色幾何，始終難以量化評判。RoboChallenge正是為破解這一行業共性難題而生。

據悉，作為由原力靈機與 Hugging Face 聯合發起的全球首個具身智能大規模真機評測平臺，RoboChallenge致力于構建一個開放、公正、可大規模復現的“真實考場”。自 2025 年 10 月 15 日正式上線以來，平臺已成功部署了包含 UR5、Franka Panda、ARX5、ALOHA 等四大主流機型在內的 20 臺真機集群，構筑起一個穩定、多元的遠程物理測試網絡。

為推動真機評測走向規范化、標準化，2025 年 11 月 20 日，原力靈機與 Hugging Face 深度集結智源研究院、智元機器人、Qwen、星海圖、自變量、清華大學、西安交通大學及 GOSIM，共同成立了 RoboChallenge 組委會。

基于對海量真機測試數據的深度分析，RoboChallenge 年度報告揭示了以下核心發現與亮點觀察：基礎任務趨近成熟，“疊碗”和“物體移入盒子”兩項任務因其相對較高的成功率，成為多數模型首選的驗證性任務，類似具身智能的入門“考題”。復雜任務依然“屹立不倒”：涉及多步驟序列決策、長期規劃及精細靈巧操作的任務，如“整理紙杯”、“制作三明治”等，

此外，報告指出，對當前所有參測模型而言仍極具挑戰，成功率長期處于低位，部分甚至接近零。當前在 Table30 評測集上表現最佳的模型，其整體成功率也僅在 50% 左右。這既體現了現有模型的進步，也充分說明了 Table30 任務集設計的挑戰性與現實價值，表明具身智能在通用能力上仍有巨大提升空間。

同時，實測數據顯示，參測模型雖具備較強的指令語義理解能力（呈現移動趨勢），但在精細操作任務中成功率不足 15%。這種現象在 RoboChallenge 平臺上沉淀了大量真機失敗數據，這份公開的“錯題集”可作為模型迭代優化的關鍵參考。

RoboChallenge 標為，未來將持續迭代，引入更多機器人本體類型，拓展至更多元化、更貼近真實工業與家庭需求的場景評測集，并設計更具挑戰性的任務。平臺還將探索分布式真機評測機制，進一步擴大測試規模與效率。