机器人策略练到 99% 不算数，真机那一刻才会"原形毕露"——arXiv 2607.04434 把仿真和真机焊在了一起
- 关联论文：2607.04434
如果你做过机器人策略训练，2026 年你大概率被这件事折磨过——
你在 Isaac Sim 里把策略训到了 99% 成功率，搬上真机直接腰斩到 40%。不是你的代码有问题，是仿真和真机之间那道隐形的墙一直没被系统量化过。
更头疼的是：业内根本没有统一基准。有的用 RLBench、有的用 LIBERO、有的干脆自造场景——同一篇论文，N 个实验室跑出 N 种数字，根本没法横向比。
arXiv 2607.04434（RoboDojo） 这篇做的就是这件事：把"仿真一把尺、真机一把尺"焊成同一把。
一句话 TL;DR
- 问题：通用机器人操作策略缺乏仿真-真机统一的评测基准，sim-to-real gap 无法系统度量。
- 方案：RoboDojo = XPolicyLab（统一策略集成接口） + RoboDojo-Sim（42 任务仿真） + RoboDojo-RealEval（18 任务真机远程云访问），五维评估（泛化 / 记忆 / 精度 / 长 horizon / 开放词汇指令）。
- 规模：集成 30 种 通用机器人策略到统一排行榜，覆盖仿真与真机双环境。
- 意义：第一次让"仿真通过 ≠ 真机通过"这件事可度量、可复现、可横向比较。
为什么对机器人团队特别重要
过去三年，机器人基础模型（VLA、π 系列）的论文几乎都在卷"我能在 5 个任务上做到 90%+"——但工程痛点不在分数，在分布外：
- 没训过的物体/场景能泛化吗？（泛化性）
- 8 步任务做到第 5 步会飘吗？（长 horizon）
- "把蓝色杯子递给张三"它真的听得懂吗？（开放词汇指令）
更要命的是：仿真通过、真机失败这件事，每个实验室都自圆其说——你没法判定到底是策略不行、还是仿真器参数不准、还是评测脚本不对。
RoboDojo 的关键设计是：让 XPolicyLab 把策略统一集成一次，仿真真机同跑同一接口，出同一个排行榜。
这篇到底干了什么（用人话讲）
1. XPolicyLab：策略只写一份，仿真真机都能跑
传统流程：每个实验室为了适配不同 benchmark，要把同一份策略改 N 遍。XPolicyLab 提供统一注册接口——只要你的策略暴露 reset / evaluate / get_action 三个方法，适配一次，仿真能跑、真机也能跑。
现实价值：集成成本从 N 次压到 1 次，评测可比性指数级提升。
2. RoboDojo-Sim：42 任务、五维度评估
仿真层跑在 Isaac Sim 上，覆盖五个评估维度——它们对应真实部署里五种典型失败模式：
| 维度 | 测什么 |
|---|---|
| 泛化 | 没见过的物体/场景/指令 |
| 记忆 | 跨 episode 信息保持 |
| 精度 | 精细操作成功率 |
| 长 horizon | 多步骤全流程完成 |
| 开放词汇指令 | 自然语言泛化到开放集合 |
3. RoboDojo-RealEval：远程云真机评测
最大工程亮点：真机评测不再需要本地机器人。
云端统一规格真机平台（机械臂、末端、传感器全部标准化），远程提交评测、拿到 JSON 结果。这意味着——小团队也能做真机评测；结果完全可复现（同硬件、同场景、同 reset 协议）。
4. 30 种策略进榜
已集成 30 种 通用策略到公开 Leaderboard，所有人可以根据五个维度找自己模型的短板。
为什么这件事"现在"特别重要
2026 下半年机器人行业正在发生一件事：simulation-only 的论文越来越难发。
原因——投资人、同行、审稿人都被"仿真 99% / 真机 40%"骗过太多次。RoboDojo 把这个差距第一次放到统一基准下度量，等于让所有 VLA 论文必须"亮真机分"。
对正在选型 foundation model 的工程团队，RoboDojo 排行榜会成为新的"刷榜战场"。
工程落地的现实门槛
不是零成本落地。三个真门槛：
- Isaac Sim 许可：依赖 NVIDIA Isaac Sim，学术许可免费但功能受限；企业版按 GPU 节点收费。
- 真机接入：RoboDojo-RealEval 要求接入真机满足标准化硬件规格，不满足需适配。
- 资源排队：云端真机有限，高并发需预约。
最关键的判断：RoboDojo 不是"又一个刷榜 benchmark"，它是让 sim-to-real gap 从"凭感觉"变成"打分"——这件事对整个机器人行业的基础设施价值远超 30 个任务本身。