RoboChallenge发布年度报告：评测标尺够权威吗？

当下的具身智能行业可谓陷入了“Demo”的怪圈，大家惊呼于视频内机器人的流畅操作，但视频中的机器人却又在现实世界中频繁失误。 这种虚假繁荣的背后，其实是行业长期缺乏真实场景验证、评测标准模糊等问题。机器人从实验室走到现实世界，始终被仿真到现实世界等难题所制约。 模拟器的评估无法完美复现真实世界中的物理扰动、环境变异等关键因素，在此背景下，2025年10月原力灵机Dexmal与Hugging Face联合推出了全球首个具身智能大规模评测平台——RoboChallenge。 紧随其后，原力灵机又与Hugging Face联合智源研究院、智元机器人、Qwen、星海图、自变量、清华大学、西安交通大学及GOSIM等机构，于2025年11月20日正式成立RoboChallenge组委会。 2026年1月11日，RoboChallenge榜单更新，前三名依次为Spirit v1.5、pi0.5、WALL-OSS。其中，Spirit v1.5是出自中国千寻智能自研的模型，而WALL-OSS则是自变量机器人的全自研开源操作大模型。 这个榜单释放出了一个重磅信号：中国自主研发的具身智能模型，已具备与国外顶级模型同台对打的实力，甚至还打赢了。 不过，作为推出还没多久的新兴评测平台，尚处发展完善阶段，网络上的态度也充满争议，所以AI科技评论打算从技术和核心设计的角度，对RoboChallenge进行深度拆解与解读。 01 RoboChallenge系统核心设计 在具身智能领域，真机评测的标准化与公平性⻓期以来一直是制约技术横向对比的关键瓶颈。而缺乏统一的评测标尺，更让不同团队的技术成果难以形成有效对比，严重影响了行业迭代效率。 但提供机器人在线服务并非表面看上去那么简单，首要问题是如何向提交算法的用户开放机器人访问权限。 RoboChallenge最开始考虑了三种主要的模式，分别是模型级提交、系统级提交、模型API调用，但这三种模式最后都没有采用，原因在于： <p