一、概述

随着 VLA 模型（如 OpenVLA、π₀、GR00T N1、CogACT 等）和世界模型（如 Cosmos、Wan、Genie 等）的蓬勃发展，如何系统、公平、可复现地评测这些模型的能力成为关键挑战。传统单个 benchmark 各自为战，存在依赖冲突、评测协议不统一、参数未文档化等问题。更严重的是，当前行业深陷"Demo 驱动"的叙事——精心布置的环境里完成一次抓取、一段行走，效果惊艳，但换一个光照条件、换一个物体材质，系统是否还能稳定工作，外界往往无从得知。

本文档系统性地梳理了当前主流的 仿真评测平台、统一评测框架、真实世界评测方案、世界模型评测基准 和 具身大脑评测平台，覆盖从操控（manipulation）到导航（navigation）、从低层控制到高层规划、从策略生成到视频预测的完整维度。

二、评测框架/平台分类总览

2.1 统一评测框架

名称 核心定位 仿真器 动作空间 论文/链接
vla-eval VLA 跨 benchmark 统一评测工具 多仿真器 6D-14D arXiv:2603.13966
Embodied Arena 具身 AI 统一评测平台+排行榜 多环境 — arXiv:2509.15273
RoboVerse 统一仿真平台+数据集+评测基准 多仿真器 多种 arXiv:2504.18904 (RSS 2025)

2.2 仿真操作 Benchmark

名称 核心定位 仿真器 动作空间 论文/链接
LIBERO 知识迁移 / 长程操作 robosuite 7D NeurIPS 2023 / GitHub
CALVIN 长程语言条件操作 PyBullet 7D RA-L 2022 / GitHub
RLBench 多任务强化学习 CoppeliaSim/PyRep 8D RA-L 2020 / GitHub
ManiSkill2/3 通用操控技能 (GPU 并行) SAPIEN 7D ICLR 2023 / GitHub
SimplerEnv 真实→仿真策略评估 robosuite 7D CoRL 2024 / GitHub
MetaWorld 多任务/元 RL MuJoCo 多种 GitHub
RoboCasa 家庭场景大规模仿真 MuJoCo/robosuite 7D RSS 2024
VLABench 长程推理操控 MuJoCo 7D ICCV 2025 / GitHub
RoboTwin 2.0 双臂操控 + 域随机化 MuJoCo 14D CVPR 2025 Highlight
COLOSSEUM 操作鲁棒性/泛化 PyRep 8D arXiv:2402.08591
RoboCerebra 长程操控评测 MuJoCo 7D NeurIPS 2024
RoboMME 记忆驱动机器人评测 MuJoCo 8D arXiv:2603.04639
MIKASA-Robo RL + 记忆评测 MuJoCo 8D arXiv:2502.10550
Kinetix 物理控制开放任务 JAX 6D ICLR 2025
LIBERO-Pro 鲁棒/反记忆评测 robosuite 7D arXiv:2510.03827
LIBERO-Mem 对象中心记忆评测 robosuite 7D arXiv:2511.11478
VLMbench 视觉-语言组合操作 SAPIEN 7D GitHub
AnyBody 跨本体操控泛化 MuJoCo 多种 arXiv:2505.14986
GenSim/GenSim2 LLM 生成仿真任务 PyBullet 7D GitHub / arXiv:2410.03645

2.3 真实世界评测平台

名称 核心定位 机器人 论文/链接
GM-100 100 个细节导向真实任务评测 多平台 arXiv:2601.11421
RoboChallenge 全球首个大规模真实机器人在线评测 Franka/多平台 arXiv:2510.17950 / GitHub / 官网
Dobb·E 家庭环境真实机器人学习 Hello Robot Stretch arXiv:2311.16098 / GitHub
Open X-Embodiment 跨本体真实机器人数据集 22 种机器人 ICRA 2024 / GitHub

2.4 世界模型/WMA 评测基准

名称 核心定位 评测重点 论文/链接
RoboWM-Bench 机器人世界模型物理可执行性评测 视觉→动作闭环 arXiv:2604.19092 / GitHub
WorldArena 具身世界模型统一评测 (感知+功能) 16 大指标+3 大应用 GitHub / WorldArena 2.0
WBench 多轮交互视频世界模型评测 5 维度 22 指标 arXiv:2605.25874
RBench 具身视频生成评测+数据基础设施 任务正确性+视觉保真 arXiv:2601.15282 / GitHub
EVA-Bench 长时程预判+反射能力评测 开环+闭环预判 arXiv:2410.15461
EWMBench 具身世界模型评测 (智元) Action-conditioned 视频预测 智元机器人 (AGIBOT)
PAI-Bench 物理 AI 综合评测 视频生成 8 维质量指标 Semantic Scholar
WoW-World-Eval 具身图灵测试 IDM 逆动力学执行准确性 BAAI

2.5 具身大脑/MLLM 评测

名称 核心定位 任务数/规模 论文/链接
EmbodiedBench MLLM 具身智能综合评测 1,128 任务 / 4 环境 ICLR 2025 / GitHub
RoboBench MLLM 具身大脑综合评估 5 核心能力维度 arXiv:2510.17801 / 官网
MV-RoboBench 多视角空间推理评测 1.7K QA 对 arXiv:2510.19400
RoboMemArena 机器人记忆系统全面评测 — 网易
EmbodiedBrain 任务规划评测 仿真+真实 arXiv:2510.20578

三、重点评测框架深度解析

3.1 vla-eval: VLA 统一评测框架 ⭐⭐⭐

属性 详情
论文 vla-eval: A Unified Evaluation Harness for Vision-Language-Action Models
作者 Suhwan Choi, Yunsung Lee, Yubeen Park et al.
GitHub 即将发布
核心动机 消除 per-benchmark 集成成本，将 O(N×M) 降至 O(N+M)

架构: 客户端-服务器 (WebSocket + msgpack) + Docker 隔离 + batch inference

支持 14 个仿真 Benchmark: SimplerEnv, LIBERO, CALVIN, RLBench, LIBERO-Pro, RoboCerebra, ManiSkill2, Kinetix, MIKASA-Robo, LIBERO-Mem, RoboMME, VLABench, RoboTwin 2.0, RoboCasa

支持 6 个模型: CogACT, OpenVLA, OpenVLA-OFT, π₀/π₀-FAST, GR00T N1, X-VLA

关键发现: 单个未文档化参数可导致 55pp 偏移 (X-VLA 用错 proprio: 97.8%→42%)

VLA Leaderboard: 657 个结果, 17 benchmark, 1704 篇论文

3.2 GM-100: 真实世界细节导向评测 ⭐⭐⭐

属性 详情
全称 The Great March 100
论文 arXiv:2601.11421
发布方 上海交通大学 + RHOS.ai + 蚂蚁灵波 + 蚂蚁集团
发布时间 2026 年 1 月 26 日开源
核心定位 真实机器人环境的细节导向、长尾任务评测，“具身智能统考卷”

设计理念: 不只"能不能完成"，更关注"完成得有多细"。聚焦长尾行为和精细化交互。任务设计先分析人类与物体交互的基本原语，再用 LLM 生成候选任务，最终经专家筛选优化。

评测规模: 100 个任务, 13,000 条操作轨迹

三大评测指标:

  1. 任务成功率 — 传统指标
  2. 部分成功率 — 评估完成的精确程度
  3. 动作预测误差 — 评估模型预测精度

核心特点: 跨平台可执行、硬件泛化性稳定、全开源低门槛

3.3 RoboChallenge: 全球首个大规模真实机器人在线评测 ⭐⭐⭐

属性 详情
论文 arXiv:2510.17950
发布方 Dexmal 原力灵机 + Hugging Face
官网 https://robochallenge.ai
GitHub RoboChallenge/RoboChallengeInference
核心定位 全球首个大规模真实物理环境机器人基准测试

核心突破: 真实物理环境评测（非仿真）、在线评测系统（提交 Docker→真实机器人执行→自动测量→排行榜更新）、标准化测试条件

组委会 (2025.11): Dexmal + HuggingFace + 智源 + 智元 + Qwen + 清华 + 西安交大 + GOSIM

解决问题: 克服 Sim-to-Real Gap、解决 Demo 驱动虚假繁荣

3.4 WorldArena: 具身世界模型统一评测 ⭐⭐⭐

属性 详情
GitHub tsinghua-fib-lab/WorldArena
WorldArena 2.0 arXiv:2605.17912
官网 https://world-arena.ai/
发布方 清华 FIB Lab + 高德 + 流形空间 + 普林斯顿 + NUS + 港大
CVPR 2026 挑战赛 Video World Model Workshop

核心理念: “真能干活” — 不只看视频好不好看，更看是否遵循物理规律、能否支撑机器人实际操作

评测体系: 16 大核心指标 + 3 大真实应用任务 + 两个赛道 (感知质量 / 功能可用性)

业界影响: Cosmos 3, 智元, 跨维智能, WoW, BLM 等同台竞技

3.5 WBench: 多轮交互视频世界模型评测 ⭐⭐⭐

属性 详情
论文 arXiv:2605.25874
发布方 复旦大学 + 美团 LongCat

核心突破: 从单次生成到多轮交互。模型需同时充当渲染器、导演、控制器、记忆体、物理引擎。

规模: 289 测试用例, 1,058 轮交互, 第一+第三人称双视角

四大交互: 导航控制 / 主体动作 / 事件编辑 / 视角切换

5 维度 × 22 指标: 场景理解 / 交互控制 / 物理一致性 / 时序连贯 / 视觉保真

关键发现: 不存在全能模型；连续交互后导航能力平均下降 33 点

3.6 RBench: 具身视频生成评测+数据基础设施

属性 详情
论文 arXiv:2601.15282 (ICML 2026)
发布方 北京大学 + 字节跳动 Seed
GitHub DAGroup-PKU/ReVidgen

评测覆盖: 5 类任务 × 4 种机器人形态。双维度: 任务正确性(结构一致性/物理合理性/动作完整性) + 视觉保真度

配套 RoVid-X: 百万级机器人视频数据集, 3M 子集已开源

业界影响: Cosmos 3 在 RBench 开源 Top-1

3.7 RoboWM-Bench: 机器人世界模型物理可执行性评测

属性 详情
论文 arXiv:2604.19092
GitHub fffstrong/RoboWM-Bench
仿真器 Isaac Lab (NVIDIA)

评测流程: 初始观察+动作序列 → 世界模型生成视频 → IDM 逆动力学转动作 → 模拟器执行 → 测成功率

评测: Task-Level 成功率 + Step-Level 成功率

关键发现: PAI-Bench 视觉分数在 ~0.78 聚集，RoboWM-Bench 执行准确率变化显著 — 视觉合理 ≠ 物理正确

3.8 EVA-Bench: 长时程预判+反射能力评测

属性 详情
论文 arXiv:2410.15461

评测维度: 开环预判(给定动作→预判未来视觉) + 闭环反射(根据反馈修正) + 分布外鲁棒性(视角/布局/运动变化)

与 RoboWM-Bench 互补: EVA-Bench 强调长时程预判和分布外鲁棒性

3.9 EWMBench: 智元具身世界模型评测

属性 详情
发布方 智元机器人 (AGIBOT)
核心定位 Action-conditioned 视频预测评测
评测维度 视觉场景一致性 / 运动质量 / 动作条件遵循

3.10 PAI-Bench: 物理 AI 综合评测

属性 详情
论文 Semantic Scholar
评测维度 SC(主体一致性) / BC(背景一致性) / MS(运动平滑) / AQ(美学质量) / IQ(成像质量) / OC(整体一致性) / IS(I2V 主体) / IB(I2V 背景)

3.11 WoW-World-Eval: 具身图灵测试

属性 详情
来源 BAAI
核心创新 首次采用 IDM (逆动力学模型) 评估视频基础模型在真实世界中的执行准确性
定位 “具身图灵测试” — 生成的视频是否对应真实可执行的动作序列

3.12 Embodied Arena: 统一具身大脑评测平台

属性 详情
论文 arXiv:2509.15273
发布方 上海交通大学等 10 余家院校
规模 22+ 基准 / 30+ 模型

三大任务: Embodied Q&A / Navigation / Task Planning

实时排行榜: benchmark view + capability view 双视角

七大洞察: 基础感知制约高阶推理 / 物体空间感知是短板 / 长程规划严重不足 / 多步推理衰减 / 跨模态对齐不精

3.13 RoboBench / MV-RoboBench: MLLM 具身大脑评测

RoboBench (arXiv:2510.17801, 北大&BAAI):

  • 五核心能力: 空间感知 / 属性识别 / 操控规划 / 安全意识 / 常识推理

MV-RoboBench (arXiv:2510.19400):

  • 首个多视角空间推理评测, 基于真实机器人演示数据
  • 1.7K 高质量人工标注 QA 对
  • 同步多摄像头视角, 覆盖空间理解与机器人执行

3.14 EmbodiedBench: MLLM 具身智能综合评测

属性 详情
论文 ICLR 2025
GitHub EmbodiedBench
规模 1,128 任务 / 4 环境 / 24 个 MLLM

6 个评测子集: 常识推理 / 复杂指令 / 空间感知 / 视觉感知 / 长期规划 / 低层操控

关键发现: GPT-4o 在低层操控仅 28.9% 成功率

3.15 LIBERO: 知识迁移与长程操作评测

属性 详情
论文 NeurIPS 2023
GitHub Lifelong-Robot-Learning/LIBERO
仿真器 robosuite / Franka Panda (7-DOF)
任务数 130 个任务, 5 个 suite

5 个 Suite: Spatial / Object / Goal / Long / Goal+Spatial

典型 SOTA (部分):

方法 Spatial Object Goal Long Avg
OpenVLA-OFT 96.9 98.1 95.5 91.1 95.4
UniVLA 96.5 96.8 95.6 92.0 95.2
π₀ 90 86 95 73 86.0
OpenVLA 84.7 88.4 79.2 53.7 76.5
Octo 78.9 85.7 84.6 51.1 75.1

3.16 CALVIN: 长程语言条件操作

属性 详情
论文 RA-L 2022
GitHub mees/calvin
仿真器 PyBullet
任务数 34 个任务, 4 环境 (A/B/C/D)
评测协议 ABC→D (零样本泛化)
核心指标 连续任务链成功率 (1-5 步)

3.17 RoboVerse: 统一仿真平台+数据集+评测基准

属性 详情
论文 arXiv:2504.18904 (RSS 2025)
发布方 UC Berkeley + 北大 + USC + UMich + UIUC + Stanford + CMU + BIGAI
核心定位 统一仿真平台 + 合成数据集 + 标准化评测基准三合一

三大组件:

  1. 仿真平台: 支持多种仿真器后端的统一接口
  2. 合成数据集: 大规模机器人操作数据
  3. 统一基准: 标准化评测协议

3.18 VLABench: 长程推理操控

属性 详情
论文 ICCV 2025
GitHub OpenMOSS/VLABench
核心特色 首个综合评测 VLA 和 VLM 在操控任务中能力的 benchmark

四大优势: 需要世界知识和常识迁移的任务 / 自然非模板语言指令 / 多步推理长时程任务 / 行动策略+语言模型双重评估

3.19 Dobb·E: 家庭环境真实机器人学习

属性 详情
论文 arXiv:2311.16098
GitHub notmahi/dobb-e
发布方 NYU + Meta
机器人 Hello Robot Stretch
核心创新 用 iPhone 收集家庭演示数据，20 分钟教会机器人一项家务

四、评测维度综合对比矩阵

评测维度 vla-eval LIBERO CALVIN RLBench SimplerEnv GM-100 RoboChallenge RoboWM-Bench WorldArena WBench RBench
任务成功率 ✅ ✅ ✅ ✅ ✅ ✅ ✅ ✅ — — —
部分成功率 — — — — — ✅ — — — — —
动作预测误差 — — — — — ✅ — — — — —
长程规划 ✅(Long) ✅(Long) ✅(chain) — — — — — — — —
空间泛化 ✅(Spatial) ✅ — — — — — — — — —
物体泛化 ✅(Object) ✅ — — — — — — — — —
鲁棒性/扰动 ✅(COLOSSEUM) — — ✅(COLOSSEUM) ✅ ✅(长尾) ✅(真实) — — — —
跨本体 ✅ — — — ✅ ✅ — — — — —
真实环境 — — — — — ✅ ✅ — — — —
视频生成质量 — — — — — — — — ✅ ✅ ✅
物理可执行性 — — — — — — — ✅ ✅ — —
多轮交互 — — — — — — — — — ✅ —
物理一致性 — — — — — — — — ✅ ✅ ✅
视角/分布外 — — — — — — — — — ✅ —
双臂协作 — — — — — — — — — — —

五、各评测框架的差异与适用场景

5.1 仿真 vs. 真实

类别 代表框架 优势 不足
纯仿真 LIBERO, CALVIN, RLBench, ManiSkill, MetaWorld 可复现、低成本、大规模 Sim-to-Real Gap
仿真近似真实 SimplerEnv, RoboTwin 2.0 (域随机化) 更接近真实场景 仍有 gap
真实评测平台 GM-100, RoboChallenge 最真实、克服 Demo 驱动问题 成本高、标准化难
家庭真实部署 Dobb·E 真实家庭场景 单一机器人、规模有限

5.2 操作模型 vs. 世界模型 vs. 大脑评测

评测目标 代表框架 评测方式 核心指标
VLA/策略模型 vla-eval, LIBERO, CALVIN, RLBench, GM-100, RoboChallenge 给定观测→预测动作→执行→测成功率 Task Success Rate / Partial Success
世界模型 (WMA) RoboWM-Bench, WorldArena, WBench, RBench, EVA-Bench, EWMBench 给定初始帧+动作→生成视频→测视觉+物理可执行性 Quality Score + Execution Accuracy + 多轮一致性
物理 AI 视频 PAI-Bench, WoW-World-Eval 视频生成质量+IDM 可执行性 PAI 分数 / 图灵测试通过率
MLLM 规划 EmbodiedBench, RoboBench, Embodied Arena 给定视觉+语言→输出行动计划→测规划正确性 Plan Correctness / Success Rate / 多视角推理
统一横评 vla-eval, Embodied Arena 跨 benchmark/跨能力评测 聚合排行榜

5.3 世界模型评测的层次体系

世界模型评测
├── 视觉质量层 (PAI-Bench)
│   └── 传统视频生成指标：SC, BC, MS, AQ, IQ, OC
├── 具身功能层 (RoboWM-Bench, WorldArena Track 2)
│   └── 视频预测→IDM 逆动力学→模拟器执行→测成功率
├── 多轮交互层 (WBench)
│   └── 导航/动作/事件编辑/视角切换的连续交互一致性
├── 任务正确性层 (RBench)
│   └── 结构一致性 + 物理合理性 + 动作完整性
├── 长时程预判层 (EVA-Bench)
│   └── 开环预判 + 闭环反射 + 分布外鲁棒性
└── 图灵测试层 (WoW-World-Eval)
    └── IDM 判别生成视频是否对应真实可执行动作

六、评测中的关键陷阱与最佳实践

6.1 评测协议不统一的问题 (vla-eval 发现)

  1. 未文档化的预处理: OpenVLA 评估时的 center crop (scale=0.9) 未论文说明，省略后 ↓3pp
  2. 本体感知混淆: X-VLA 用错 proprio → 97.8% 变 42%（55pp 偏移）
  3. 动作模式混淆: 绝对 vs 增量 → 生成 0% 成功率
  4. 四元数归一化: OpenVLA-OFT 缺少对极归一化 → LIBERO-Goal 97%→83%
  5. 仿真器内部差异: GR00T 缺少内部 simulator proprio → 30-55%→0%
  6. 评估协议不一致: SimplerEnv 3 种不兼容机器人配置；CALVIN ABC→D 与 ABCD→D 不可比

6.2 最佳实践建议

  1. 使用统一评测框架 (vla-eval)，避免自行搭建评测管线引入偏差
  2. 完整记录评测配置: seeds, episode counts, preprocessing, action mode, proprio source
  3. 做多 benchmark 交叉验证: 81% 的模型仅在单个 benchmark 上评测
  4. 真实+仿真双验证: 参考 GM-100 + RoboChallenge 的真实环境基准
  5. 区分评测协议: 不同 split、不同任务子集的结果不可直接比较
  6. 世界模型评测需超越视觉质量: RoboWM-Bench 证明视觉合理 ≠ 物理正确
  7. 关注评测效率: vla-eval 的 episode sharding + batch inference 可天→分钟级

七、总结与推荐

7.1 当前格局

需求 推荐评测方案
VLA 模型通用能力评测 vla-eval + LIBERO + CALVIN + SimplerEnv
长程规划能力 CALVIN (ABC→D 5-step chain)
空间/物体/目标泛化 LIBERO (4 个 suite)
真实机器人策略评估 SimplerEnv (Google Robot 设定)
真实世界大规模评测 GM-100 (细节导向) + RoboChallenge (在线提交)
鲁棒性与扰动泛化 COLOSSEUM (RLBench 扩展) / RoboTwin 2.0 (域随机化)
双臂操控 RoboTwin 2.0
世界模型物理可执行性 RoboWM-Bench (执行准确性) + WorldArena (感知+功能)
世界模型多轮交互 WBench (5维度22指标)
世界模型视频生成质量 RBench (任务正确性+视觉保真) + PAI-Bench (8维视觉指标)
世界模型长时程预判 EVA-Bench (开环+闭环)
MLLM 高层规划能力 EmbodiedBench + RoboBench
MLLM 统一横评 Embodied Arena (22+基准 / 30+模型)
跨本体数据训练 Open X-Embodiment
跨本体操控泛化 AnyBody
家庭场景 RoboCasa / Dobb·E
统一仿真+数据+评测 RoboVerse

7.2 关键趋势

  1. 从仿真走向真实: GM-100、RoboChallenge 标志着评测从仿真走向真实物理环境
  2. 从单一走向统一: vla-eval、Embodied Arena 将分散的 benchmark 统一化
  3. 世界模型评测从视觉走向物理: RoboWM-Bench、WorldArena 证明视觉逼真 ≠ 功能可用
  4. 从单轮走向多轮: WBench 首次系统评测多轮交互下的世界模型表现
  5. 从"能否完成"到"完成多细": GM-100 引入部分成功率和动作预测误差
  6. 真实环境在线评测兴起: RoboChallenge 建立"提交 Docker→真实机器人→排行榜"闭环
  7. 跨 benchmark 评测仍然稀少: 仅 6% 的模型在 3+ benchmark 上评测
  8. 评测协议标准化迫在眉睫: 一个未文档化参数可导致 55pp 偏移

八、参考资源汇总

论文

  1. vla-eval — arXiv:2603.13966
  2. GM-100 — arXiv:2601.11421
  3. RoboChallenge — arXiv:2510.17950
  4. WorldArena / 2.0 — GitHub / arXiv:2605.17912
  5. WBench — arXiv:2605.25874
  6. RBench — arXiv:2601.15282 (ICML 2026)
  7. RoboWM-Bench — arXiv:2604.19092
  8. EVA-Bench — arXiv:2410.15461
  9. PAI-Bench — Semantic Scholar
  10. WoW-World-Eval — BAAI
  11. LIBERO — arXiv:2306.03110 (NeurIPS 2023)
  12. CALVIN — arXiv:2112.03282 (RA-L 2022)
  13. RLBench — arXiv:1909.12271 (RA-L 2020)
  14. ManiSkill2/3 — arXiv:2302.09538 (ICLR 2023)
  15. SimplerEnv — arXiv:2406.10759 (CoRL 2024)
  16. RoboCasa — arXiv:2406.02523 (RSS 2024)
  17. VLABench — arXiv:2412.18194 (ICCV 2025)
  18. RoboTwin 2.0 — arXiv:2506.18088 (CVPR 2025 Highlight)
  19. COLOSSEUM — arXiv:2402.08591
  20. Open X-Embodiment — arXiv:2310.08864 (ICRA 2024)
  21. EmbodiedBench — ICLR 2025
  22. RoboBench — arXiv:2510.17801
  23. MV-RoboBench — arXiv:2510.19400
  24. Embodied Arena — arXiv:2509.15273
  25. RoboVerse — arXiv:2504.18904 (RSS 2025)
  26. AnyBody — arXiv:2505.14986
  27. Dobb·E — arXiv:2311.16098
  28. GenSim2 — arXiv:2410.03645
  29. EmbodiedBrain — arXiv:2510.20578
  30. RoboCerebra — arXiv:2406.03664
  31. EWMBench — 智元机器人 (AGIBOT)
  32. EmbodiedBench — ICLR 2025
  33. OpenVLA — arXiv:2406.09246 (CoRL 2024)
  34. π₀ — arXiv:2410.24164
  35. GR00T N1 — arXiv:2503.14734

GitHub 项目

项目 链接
vla-eval 即将发布
LIBERO https://github.com/Lifelong-Robot-Learning/LIBERO
CALVIN https://github.com/mees/calvin
RLBench https://github.com/stepjam/RLBench
ManiSkill https://github.com/haosulab/ManiSkill
SimplerEnv https://github.com/simpler-env/SimplerEnv
MetaWorld https://github.com/Farama-Foundation/Metaworld
VLABench https://github.com/OpenMOSS/VLABench
RoboTwin https://github.com/Tong-Zhu/RoboTwin
RoboWM-Bench https://github.com/fffstrong/RoboWM-Bench
WorldArena https://github.com/tsinghua-fib-lab/WorldArena
RBench/ReVidgen https://github.com/DAGroup-PKU/ReVidgen
EmbodiedBench https://github.com/EmbodiedBench/EmbodiedBench
RoboChallenge https://github.com/RoboChallenge/RoboChallengeInference
Dobb·E https://github.com/notmahi/dobb-e
GenSim https://github.com/liruiw/GenSim
VLMbench https://github.com/eric-ai-lab/VLMbench
Awesome-World-Models https://github.com/leofan90/awesome-world-models
Open X-Embodiment https://github.com/google-deepmind/open_x_embodiment
# 机器人 # 算法
Logo
魔珐星云具身智能3D数字人开放平台已上线！

电影级数字人，免显卡端渲染SDK，十行代码即可调用，工业级demo免费开源下载！

更多推荐

技术前沿深度洞察报告-第10期

本期技术前沿呈现"AI Agent工程化突破"与"具身智能商业化加速"双主线并行态势。在国际层面，百度Create 2026大会重磅发布文心5.1，以94%的预训练成本降幅冲进LMArena全球前四，标志着国产大模型正式进入"高效能竞争"时代；字节跳动开源UI-TARS-desktop以33k+ Stars横扫GitHub，将多模态AI Agent从概念推向生产可用。

avatar 魔珐星云开发社区
cover

好用的数字人平台怎么选？2026数据加密与隐私保护合规平台对比

avatar 魔珐星云开发社区
cover

定标准、建生态、促行业，AGIBOT WORLD CHALLENGE@ICRA 2026 圆满收官

avatar 魔珐星云开发社区