昨天讨论人形机器人，简直吵得不可开交。

有个哥们觉得，那谁谁家的机器人是目前最牛的，因为在春晚上的表演动作整齐划一，难度非常高。

但我不太认同。跳舞的动作可以提前编排，相比之下，我感觉跑马拉松会更考验机器人运动控制和稳定性。

争论了半天，谁也没说服谁。我突然觉得，这背后确实涉及一个特有意思的话题。

不只是人形机器人，放到整个具身智能领域，我们到底应该怎么横向比较不同机器人模型的真实能力？

目前还真没有什么特别好的办法。

今天，我看到一家自己非常喜欢的具身创业公司，自变量机器人，发布了一套叫 X2Real 的仿真评测基准。仔细研究了一下，觉得挺有看头的。

举个简单的例子。

假设两家机器人公司分别开发了模型 A 和模型 B。模型 A 在仿真环境里完成了 90% 的任务，模型 B 只完成了 70%。

我们很自然就会觉得，A 肯定比 B 更聪明，对吧？

但真的把这两个模型放到真实机器人上，结果可能完全不同。

因为仿真里的摩擦力、光照、机械臂控制，都可能和现实存在偏差。模型成绩很好，可能只是它更适应那个仿真环境。

甚至，如果模型反复练习同样的场景，还可能直接记住某些物体的位置和摆放方式。

那干脆都用真实机器人测试？

显然也不现实。真机测试需要硬件、场地和人员，成本很高，而且很难快速获得反馈。

所以，仿真评测对机器人研发非常重要。但现有的仿真 Benchmark，普遍面临三个问题。

1）仿真和现实存在差距，机器人在虚拟世界表现很好，到了现实世界可能完全不行。

2）测试任务太单一，很多还停留在抓取、放置这些基础操作，很难看出机器人的综合能力。

3）模型可能针对固定的测试场景刷分，成绩看起来很漂亮，但换个环境就不会了。

自变量这次基于英伟达的 Isaac Lab-Arena，开发了 X2Real，就是希望同时解决这些问题。Isaac Lab-Arena 是一套机器人仿真开发工具。

我理解，X2Real 想做的是，给机器人建立一套更接近真实世界、能够全面考察能力，而且还会不断更新考题的考试系统。