机器人能力考试：人类拿100分，最强AI只有12.8分
2026-07-09
简单来说
一群科学家给机器人搞了一场“能力大考”，叫做 RoboDojo。考试内容包括叠碗、插充电器、装背包这些日常家务，人类专家轻松拿到100分，但表现最好的机器人模型也只得了12.8分。换句话说，机器人虽然在实验室里看起来挺聪明，但一到真实世界就各种掉链子，离真正帮我们干活还有很大距离。
这场考试有多难？
RoboDojo 不只是考一个动作，而是从五个方面全面考验机器人：
- 泛化能力：换一个房间、换一个灯光、换一堆杂物，机器人还能不能干活？
- 记忆力：机器人能不能记住之前看到的东西，并在后续操作中用上？
- 精细操作：插充电器、拧盖子这种需要精确对准的动作，能不出错吗？
- 长程任务：比如做面包这种需要连续好多步骤的事情，会不会做一半就卡壳？
- 开放理解：机器人能不能听懂从来没见过的指令，比如“把那个蓝色的杯子放到桌上的盒子里”？
考试还分两个场地：
- 仿真考试——电脑模拟场景，共42个任务。
- 真实考试——用真的机械臂做18个日常任务，比如盖积木、挂杯子、扫积木。
结果呢？在仿真里，最厉害模型平均成功率只有 8.80%；到了真实世界，最好的模型也只有 12.8%。而人类专家呢？仿真里 76.03%，真实世界直接 100%。
为什么差这么多？
因为真实世界到处都是“意外”：
- 物体可能滑动，夹爪可能没夹稳
- 相机有噪声，机械臂有微小延迟
- 稍微偏一点，动作就失败
比如长程任务里，机器人可能已经拿起物体、移动到目标附近，却在最后对齐、放置的时候失败了。差一点就是失败，这是物理世界的残酷规则。
对我们普通人有什么意义？
这个考试告诉我们：
- 别再期待机器人马上能帮你洗碗、叠衣服了——它们连最基本的稳定操作都很难做到。
- 但科学家确实在一步步往前推：这次考试就像一张“地图”，标出了机器人最弱的地方（比如理解新命令、精细操作），帮助研究者针对性地改进。
- 这场考试是公开的，所有研究团队都能去参赛，谁家模型强、哪里弱，一目了然。
简单说：机器人不会一夜之间变成万能管家，但知道它们哪里不行，才能更快变强。