RoboColosseum

RoboColosseum 是面向「野外真机」的分布式机器人评测框架，由 NUS、UW、Stanford、UNC、Ai2、Oxford、Hugging Face、BitRobot、Singapore Embodied AI Centre (EAIC) 等联合推出，论文 arXiv:2611.02497（2026-11-02 提交）。它用统一策略服务与标准化协议，把各地本地运维的机器人连成一张网，在多样化真实环境里评测通用策略。

首期覆盖 100+ 机器人 / 140+ 场景 量级网络愿景，已完成研究涵盖 SO-101、Franka（DROID）、双臂 YAM、Unitree G1 等人形与机械臂；评测 5 个 VLA 与 3 个前沿 Agent。两条赛道：Open Track（无任务微调的盲测成对比较）与 Fine-tune Track（每任务固定 100 条演示后评测）。作者承诺向学术伙伴提供合计 1 万小时免费评测。HF / Unitree 等伙伴于 2026-11-04 发帖扩散。

解决什么问题

通用机器人策略必须跨机型、任务与环境成立，但物理试验难复现、单实验室样本少。仿真加速却又与真机传感/动力学有 gap。RoboColosseum 用分布式真机站点 + 统一接口，在「可控可比」与「环境多样」之间折中。

与同类差异

• 多 embodiment：不止单一 Franka/DROID（对比 RoboArena 等）。
• 双赛道：Open（零样本野外成对）+ Fine-tune（同数据预算适应）。
• 规模与方法：初期研究含 5,699 次 Open Track 成对比较、124 站点；用难度校准 Rasch（DCR）与主动 matchmaking 提高排序效率；对学术开放 10k 免费小时。

限制

• 论文数字来自 2026-09-17 至 10-28 窗口，覆盖面随模型/机型兼容性变化。
• Fine-tune 固定演示数据但允许各模型官方训练配方，比的是端到端适应而非同一优化器。
• G1 上五任务均无完整成功，需用进度分而非只看成功率。

适合谁

做 VLA / 具身基础模型评测的实验室；需要跨站点真机对比、或申请学术免费评测小时的团队。

如何上手

1. 读 arXiv:2611.02497，核对 Open / Fine-tune 协议与 embodiment 规格。
2. 关注 HF / BitRobot / EAIC 发布渠道申请评测配额（文中承诺 10k 学术小时）。
3. 提交策略时按统一观测/动作接口对接；Open Track 成对盲测，Fine-tune Track 使用公开的每任务 100 演示。