RoboChallenge测评：π0、π0.5领先，自变量WALL

在具身智能竞速加速升温的评π当下，真实场景的π领客观评测成为检验机器人模型能力最关键的一环。 

近日，先自“具身进化论”在查询最新发布的变量RoboChallenge测试结果时注意到，π0、评ππ0.5在成功率上遥遥领先其他开源模型。π领自变量机器人(XSquareRobot)的先自大模型wall-oss-flow虽然在多次企业自我宣传中提到，“基本上和PI、变量和google在同一个水平线上”，评π但是π领在多个任务上成功率偏低。根据公开的先自测评记录，其在31次测试中大部分成功率为零，变量这一表现引发业内对其大模型真实能力的评π讨论。 

RoboChallenge是π领具身智能的大规模真机评测平台，也是先自目前行业内最受关注的真实物理机器人评测平台，由Dexmal原力灵机联合HuggingFace发布，被视作“机器人界的硬核基准”。其最大特点是真机真测：评测同时接入UR5、Franka、Aloha双臂系统以及国产ARX-5四类主流机器人，统一软件栈并配备多台RGB-D深度相机，以确保任务在高度一致的物理条件下进行。 

平台的任务覆盖柔性物体处理、双臂协作、多阶段顺序动作等真实世界的关键难点。其中Table30场景包含30个具有代表性的日常任务，包括叠抹布、整理果篮、插花、开关水龙头等，难度从基础操作递进到长链条组合动作。 

据了解，RoboChallenge之所以被认为更加客观，是因为其采用了“任务成功率 +进度评分”的双指标体系。前者统计任务是否完整成功，后者将任务拆解为多个关键阶段并按推进程度累计分值，即便任务未完成也能反映模型做到哪一步，为能力评估提供更细粒度的信息。

在该评测体系中，多款主流开源模型已完成测试。“具身进化论”对比发现，基于PhysicalIntelligence(Pi)系列构建的π0和π0.5是官方重点基线，它们在成功率与进度得分上整体领先其他开源模型，特别是π0.5，显示出更成熟的任务执行能力。

                                                                                      π0测试结果

                                                                                       π0.5测试结果

相比之下，自变量的wall-oss-flow在相同条件下的表现明显偏弱。测评结果显示：wall-oss-flow共测试31次，其中2次成功率为60%，1次成功率为50%，1次成功率为20%，其余所有任务成功率均为0。 

                                                                                        wall-oss-flow测试结果

“具身进化论”从进度分情况看到，模型虽然在部分任务中能完成初段动作，但多数情况下未能完成关键步骤，执行链条往往在中段被迫中断。这与平台强调的“多阶段连续操作能力”形成明显差距。 

公开信息显示，自变量2023年成立，创始人兼CEO为王潜。今年9月，自变量发布其开源大模型WALL-OSS，自变量在官方宣传稿中强调该模型“具备强大的泛化性和推理能力，在长程操作任务方面表现优于其他基础模型”。 

王潜甚至曾在接受媒体采访时表示：“我们(自变量)的模型水平基本上和PI、和google在同一个水平线上。” 

但此次RoboChallenge的评测结果显示，自变量模型的水平、能力在真实机器人执行任务时未能体现，与PI的模型(π0和π0.5)也存在明显差距。 

一位具身智能从业者对“具身进化论”分析，RoboChallenge的独特价值正是在于提供透明、可复现的真机评估环境，避免主观展示带来的偏差。随着越来越多模型加入测评，业内对“模型真实能力差异”有了更清晰的认知。 

对具身智能行业而言，此次结果再次提醒：真正的竞争不在PR宣传中，而在三方认可的评测，学术基准线，以及机器人能否稳定完成任务的那一刻。 

真实世界，正在成为检验大模型能力的最终标准。而认识到差距，正是追赶的开始。