真机评测

Real-world Evaluation入门必知

把策略部署到真实机器人上反复试跑，统计成功率等指标。

真机评测指在真实机器人和真实场景里运行策略，记录每次尝试是否成功、完成到哪一步、要不要人工干预。仿真再像也有虚实差距，所以它是检验具身模型的最终标准。难点是成本高、难复现：每次都要人摆放物体、复位场景、判定结果，灯光、摆放位置、机器人状态稍有不同分数就会变，不同实验室之间很难横向比较。因此论文要写清评测协议，包括任务、试验次数、初始条件和判定标准。为了更可信、更可扩展，出现了 RoboArena 这类分布式双盲成对比较，以及用仿真评测（如 SimplerEnv）或世界模型来预测真机表现的做法。