← 返回首页

实验结果

查看各任务设置与环境下的实验结果。

RoboCasa365

RoboCasa365 数据集 · XR-1 动作策略。对比基线、无自进化和有自进化三种设置。

rev.res.rcAlt
复合 seen +3.6 个百分点 · 原子 seen +3.4 个百分点(相较无自进化)
任务与评测范围

RoboCasa365 是本次自进化结果的评测数据集;其他任务演示按各自环境展示。

复合操作

RoboCasa365 复合 seen 任务:对比 XR-1 基线、无自进化和有自进化三种设置。

原子技能赛道

RoboCasa365 原子 seen:无自进化 82.1%,加入自进化后 85.5%。

双臂操作

RoboTwin 2.0(demo_clean):50 个任务、5,000 回合,Qwen3.5-9B LoRA 配合共享 π0.5,整任务成功率 61.58%。

移动导航

跨房间导航与移动操作(先导航、后操作)。移动导航技能族已在目录中,基准赛道已排队。

各环境的结果按对应任务和评测设置分别报告。

LIBERO · OpenVLA-OFT

Without Agent96.7%1,934 / 2,000
Agent98.9%1,978 / 2,000
Without Agent 与 Agent 的 LIBERO 对比结果
套件Without AgentAgent
成功 / 失败成功率成功 / 失败成功率
libero_goal目标泛化492 / 898.4%497 / 399.4%
libero_spatial空间泛化488 / 1297.6%497 / 399.4%
libero_object物体泛化487 / 1397.4%496 / 499.2%
libero_10长时程 · 两组合并467 / 3393.4%488 / 1297.6%
总计 · 40 任务1,934 / 6696.7%1,978 / 2298.9%

LIBERO 按原始回合 ID 统计完成情况。Without Agent 使用 2,000 次执行,Agent 使用 2,066 次执行,两列执行预算不同。

RoboTwin 2.0 · 双臂操作

Qwen3.5-9B LoRA负责生成与调度子任务,多任务π0.5执行动作。评测覆盖50类双臂操作任务。

整任务成功率61.58%成功 / 总回合数3,079 / 5,000
任务数50每任务回合数100

每项任务测试100个独立评测回合,按环境给出的任务完成信号统计成功率。

三路 RGB · π0.5 action horizon 32 · Qwen LoRA step 3,500 · π0.5 step 20,000

逐任务结果 · 全部 50 项任务
RoboTwin 2.0 整任务成功率,每任务 100 个 held-out 回合
任务成功 / 测试数成功率
adjust_bottle100 / 100100.0%
beat_block_hammer61 / 10061.0%
blocks_ranking_rgb42 / 10042.0%
blocks_ranking_size24 / 10024.0%
click_alarmclock99 / 10099.0%
click_bell100 / 100100.0%
dump_bin_bigbin64 / 10064.0%
grab_roller97 / 10097.0%
handover_block4 / 1004.0%
handover_mic79 / 10079.0%
hanging_mug22 / 10022.0%
lift_pot58 / 10058.0%
move_can_pot51 / 10051.0%
move_pillbottle_pad59 / 10059.0%
move_playingcard_away96 / 10096.0%
move_stapler_pad11 / 10011.0%
open_laptop69 / 10069.0%
open_microwave54 / 10054.0%
pick_diverse_bottles52 / 10052.0%
pick_dual_bottles74 / 10074.0%
place_a2b_left77 / 10077.0%
place_a2b_right83 / 10083.0%
place_bread_basket47 / 10047.0%
place_bread_skillet66 / 10066.0%
place_burger_fries84 / 10084.0%
place_can_basket49 / 10049.0%
place_cans_plasticbox56 / 10056.0%
place_container_plate95 / 10095.0%
place_dual_shoes39 / 10039.0%
place_empty_cup93 / 10093.0%
place_fan67 / 10067.0%
place_mouse_pad33 / 10033.0%
place_object_basket57 / 10057.0%
place_object_scale62 / 10062.0%
place_object_stand94 / 10094.0%
place_phone_stand55 / 10055.0%
place_shoe60 / 10060.0%
press_stapler89 / 10089.0%
put_bottles_dustbin9 / 1009.0%
put_object_cabinet68 / 10068.0%
rotate_qrcode65 / 10065.0%
scan_object27 / 10027.0%
shake_bottle99 / 10099.0%
shake_bottle_horizontally98 / 10098.0%
stack_blocks_three36 / 10036.0%
stack_blocks_two72 / 10072.0%
stack_bowls_three31 / 10031.0%
stack_bowls_two80 / 10080.0%
stamp_seal34 / 10034.0%
turn_switch38 / 10038.0%
总计3,079 / 5,00061.58%
Planner 验证 · 任务拆解与预算

在独立的 250 条 task-stratified 验证回合上评估,与整任务成功率分开统计。逐子任务指标使用 785 个对齐槽位,总预算误差使用 248 条可解析计划;文本 F1 衡量与参考标注的重合程度。

指标样本 / 单位结果
计划 JSON 可解析率250 回合99.20%
子任务数量完全匹配率250 回合80.40%
Skill 完全匹配率785 个对齐槽位88.28%
子任务指令 token-F1785 个对齐槽位81.53%
成功条件 token-F1785 个对齐槽位81.13%
逐子任务预算完全匹配率785 个对齐槽位79.87%
整条预算序列完全匹配率250 回合74.00%
逐子任务预算 MAEchunk0.222
总预算 MAE248 条可解析计划0.726
整条计划逐字段完全一致250 回合33.60%

RoboSynChallenge · 实验室操作

Qwen3.5-9B 负责视觉规划与验证,各任务公开 ACT 策略在 EmbodiChain / DexSim 中执行动作。2026-10-12 评测覆盖 10 项官方任务。

整任务成功率41.2%成功 / 总回合数412 / 1,000
任务数10每任务回合数100

每项任务测试100个随机初始化回合,共1,000回合。任务在预算内达到环境完成条件时计为成功。

本组评测使用未经专家可行性筛选的随机初始化,与官方筛选设置分别比较。

RoboSynChallenge 整任务成功率,每任务 100 个未过滤随机 seed 回合
任务成功 / 测试数成功率
click_bell54 / 10054%
drawer_open_place4 / 1004%
handle_basket18 / 10018%
item_assembly60 / 10060%
items_handover4 / 1004%
manipulate_pipette56 / 10056%
mixer_operating66 / 10066%
sample_loading1 / 1001%
table_rearrangement98 / 10098%
water_pouring51 / 10051%
总计412 / 1,00041.2%

空间重建与持久记忆

单场景解析将685,513个点转为16个结构化实体。后续规划按需读取对象与关系,1,000次重置后全局场景保持一致。

rev.memory.figure

SpatialLM公开基准

SpatialLM原论文的公开结果展示了基础模型的重建与定位能力。F1按IoU=0.50计算,Structured3D包含250个场景,ScanNet包含312个场景。

rev.res.publicAlt

化学仿真的流程验证

Isaac Sim固定滴定场景采用预设技能序列,依次取瓶、两次倾倒30 mL、放回并记录。五步流程历时20.8 s,最终烧杯呈粉红色且记录完成。

观看滴定演示