🏆 Benchmark 排行榜

**CALVIN Benchmark** 是 ETH Zurich 提出的语言条件长序列机器人操作基准。 定义了一套标准化的**任务定义格式、评估协议和数据划分**（ABCD 四分割），测试策略在未见环境、未见指令、未见物体上的泛化能力。...

**LIBERO** 是 Stanford / AI2 提出的终生机器人学习基准。 定义了 **130 个语言条件操作任务**，覆盖 **5 大维度泛化测试**（场景、物体、布局、任务组合、未见任务）。 数据以 HDF5 格式发布，提供...

**Meta-World** 是斯坦福大学和 UC Berkeley 于 2019 年 CoRL 发布的经典 MuJoCo 桌面机械臂评测基准，核心面向多任务强化学习 (Multi-Task RL) 和元强化学习 (Meta-RL)。 *...

**BEHAVIOR-1K** 是 Stanford / Duke 等提出的超大规模日常生活任务基准。 在 OmniGibson 仿真中定义了 **1,000 个家居活动任务**（清洁、烹饪、整理等）。 以 **BDDL（BEHAVIO...

EmbodiedBench 是面向多模态大模型 (MLLM) 的综合具身评测基准。融合 4 大仿真环境（EB-ALFRED/EB-Habitat/EB-Navigation/EB-Manipulation），评估 6 大核心能力。注意：评测...

**LIBERO-Plus** 是复旦大学和同济大学于 2025 年 10 月发布的 VLA 模型鲁棒性深度评测基准（arxiv 2510.13626），是对 LIBERO 基准的**系统化鲁棒性扩展**。 LIBERO 标准评测中 VL...

**VLABench** 是一个面向视觉-语言-动作 (VLA) 模型的综合评测基准，涵盖多种机器人操作原语和复杂任务场景。 **6 个评测 Track**： 1. Track 1 — In Distribution（分布内泛化） 2. ...

**RoboTwin 2.0** 是清华大学等机构发布的双臂机器人操作评测基准，基于数字孪生技术构建高保真仿真环境。 评测包含多个双臂协作任务，分 **Easy** 和 **Hard** 两级难度，评估模型在复杂双臂操作中的精确控制能力。...

**RoboChallenge Table30** 是全球首个大规模远程真机评测平台，核心解决「仿真高分、真机拉胯」的 Sim2Real 鸿沟。 **硬件体系**：支持 4 类主流真机集群（共 10 台远程机器人）——UR5 6DoF 单...

**GM-100（The Great March 100）**是上海交通大学人工智能学院李永露副教授团队联合蚂蚁灵波（Robbyant）、SII、RHOS.ai 发布的**真实机器人操作评测基准**，被业界称为具身智能的「统考卷」或「上海卷...