全球首个面向真实物理环境的大规模多任务机器人操作基准测试平台RoboChallenge正式亮相。该平台由Dexmal原力灵机与Hugging Face联合发起，旨在为视觉-语言-动作模型（VLAs）提供标准化、可复现的真实场景评估体系，推动具身智能技术从实验室走向实际应用。
针对机器人领域长期存在的评估难题，RoboChallenge构建了开放共享的测试框架。平台集成UR5、Franka Panda、Aloha及ARX-5四类主流机械臂，每台设备配备2-3台RGB-D相机，通过统一软件栈实现视觉系统与机器人本体的高效协同。所有硬件均完成数月真实任务验证，确保7×24小时稳定运行，为研究者提供可靠的远程测试环境。
在测试方法论上，平台创新提出"视觉输入匹配"技术。系统从演示数据中提取关键帧作为参考图像，实时叠加于测试画面，引导操作人员精确复现初始场景。这种标准化方案不仅降低人为误差，其稳定性更超越传统依赖经验人员的模式，为大规模评测奠定基础。测试集包含约1000条演示数据，支持基线模型的任务级微调。
作为核心测试组件的Table30桌面操作基准集，包含30个精心设计的日常任务场景。该测试集从解决方案复杂度、机器人构型、环境特征和物体属性四个维度构建评估体系，涵盖精准抓取、空间推理、多视角协同、双臂协作等12项核心能力。评分机制突破传统二值化判断，采用进度评分系统，对复杂任务认可阶段性进展，对简单任务优化完成效率。
平台采用无容器化服务架构，研究者通过标准化API即可调用测试资源，无需提交模型文件或Docker镜像。双向异步控制机制支持动作指令与图像获取的分离处理，毫秒级时间戳确保多传感器数据同步。智能调度系统提供任务状态接口，支持模型预加载与多任务并行管理，显著提升测试效率。
在首轮评测中，主流开源VLA模型均面临严峻挑战。测试数据显示，即便最先进的Pi0.5模型也难以在全部任务中取得高成功率，充分验证该基准集的鉴别能力。平台要求参与者通过Hugging Face获取示范数据集，支持通用型（多任务联合训练）和微调型两种训练模式，评估结果自动合并至算法条目排名。
为促进技术共享，RoboChallenge完全开放测试平台和中间数据。研究者可基于公开演示数据微调策略，通过平台API提交模型进行远程评测。评估结果包含机器日志与操作视频，支持rerun.io可视化分析。平台设立多维度排行榜，定期举办挑战赛和技术研讨会，鼓励社区参与任务设计与标准制定。
目前平台已部署云端测试服务，突破硬件资源限制，实现"无机器人实验"模式。未来规划包括扩展移动机器人和灵巧操作装置等硬件平台，增加动态环境适应、长期规划等挑战性测试维度，并延伸至力控感知、人机协作等评估方向，持续推动具身智能技术在真实场景中的落地应用。
