具身基准：RoboChallenge 【从 Table30 到 Table30 V2，30 项真机任务、4 类机器人、VLA 评测协议与泛化能力】

详细介绍RoboChallenge基准

详细介绍 RoboChallenge 基准 ，给出相关论文地址，分析，任务类型，数量等所有维度的信息，最后给出一个csdn标题

我会先核对 “RoboChallenge” 的正式出处、论文/项目页和数据规模，再把任务类型、评测指标、数据构成、优缺点和适用研究方向系统整理出来，避免把同名项目混在一起。

目前已经确认：RoboChallenge 不是单一数据集，而是一套面向视觉-语言-动作模型（Vision-Language-Action, VLA）的真实机器人在线评测体系；其核心基准经历了Table30和Table30 V2两代。V2 在 2026 年重点从“任务完成能力”推进到“泛化能力”评测。

下面按截至 2026 年 9 月公开资料，把 RoboChallenge 从“平台—基准—任务—机器人—数据—评测协议—指标—结果—V2 演进—优缺点—与其他真机 Benchmark 对比”完整拆开讲。这里最容易混淆的一点是：RoboChallenge 并不是单一数据集，而是一套真实机器人在线评测平台；Table30 / Table30 V2 才是它的核心 Benchmark。citeturn663659academia40

一、RoboChallenge 到底是什么？

RoboChallenge是面向具身智能（Embodied AI）、尤其是视觉-语言-动作模型（Vision-Language-Action, VLA）的大规模真实机器人评测（Real-Robot Evaluation）平台。

它试图解决一个很现实的问题：

很多 VLA 论文展示了非常漂亮的 Demo，但不同研究团队往往：

• 用不同机器人；
• 用不同相机；
• 用不同任务；
• 用不同初始摆放；
• rollout 次数不同；
• 测试人员不同；
• 成功标准也不同。

于是论文 A 的 80% 成功率和论文 B 的 60% 成功率，实际上未必具有可比性。

RoboChallenge 的核心思想就是把机器人评测变成类似“统一在线考场”：

模型仍然运行在研究者自己的 GPU / 服务器上，但真实机器人、测试环境、任务初始化、评分和日志由 RoboChallenge 统一管理。

它因此重点追求三个目标：

首篇 RoboChallenge 技术报告于 2025 年提出初始的Table30：30 个真实桌面机器人操作任务，并使用 4 类机器人、总计 10 台真实机器人进行在线评测。citeturn663659academia40

二、核心论文和官方地址

其中 Table30 V2 已正式进入CVPR 2026 Workshop / GigaBrain Challenge体系，其论文收录于 CVPR 2026 Workshops，页码为 4461–4467。

三、RoboChallenge 的整体工作方式

这一点其实是 RoboChallenge 最有意思的地方。

传统机器人 Benchmark 常见两种模式：

RoboChallenge 采用的是远程机器人范式（Remote Robot Paradigm）。

模型完全运行在参与者自己的机器上。

系统大致是：

Real Robot→Observation API→User VLA→Action API→Real Robot\text{Real Robot}\rightarrow\text{Observation API}\rightarrow\text{User VLA}\rightarrow\text{Action API}\rightarrow\text{Real Robot}Real Robot→Observation API→User VLA→Action API→Real Robot

用户通过 API 获取：

ot={ It(1),It(2),...,It(V),qt,trobot,nt}o_t=\{I_t^{(1)},I_t^{(2)},...,I_t^{(V)},q_t,t_{\mathrm{robot}},n_t\}ot​={It(1)​,It(2)​,...,It(V)​,qt​,trobot​,nt​}

其中：

It(v)I_t^{(v)}It(v)​是不同相机视角的 RGB / Depth；

qtq_tqt​是本体状态（Proprioception）；

trobott_{\mathrm{robot}}trobot​是机器人端时间戳；

ntn_tnt​表示当前动作队列中尚未执行的 action 数量。

模型计算：

At=π(ot,T)A_t=\pi(o_t,\mathcal{T})At​=π(ot​,T)

然后把 action chunk 放入先进先出动作队列（FIFO Action Queue）。

这种方式的好处是研究者不用把 checkpoint 交出去，也不用适配主办方 GPU 软件栈，同时仍然是真正控制远程真实机器人。

四、第一代 Benchmark：Table30

4.1 基本规模

第一代Table30的核心数字是：

第一代平台使用UR5、Franka Panda、ARX-5、Cobot Magic ALOHA四种机器人。

五、Table30 使用哪些机器人？

第一代的任务分布非常值得关注。

因此从构型角度：

RoboChallenge 年度报告还建立了任务标签体系。注意这些标签不是互斥分类：一个任务可以同时属于 precise3d、bimanual、repeated 等多个类别，因此数量相加会大于 30。

六、Table30 到底测试哪些能力？

这是理解这个 Benchmark 最关键的一张表。

这里已经能看出 RoboChallenge 与很多“抓起一个方块放进盒子”的机器人 Benchmark 有明显区别。

它希望覆盖：

感知 → 定位 → 抓取 → 操作 → 时序 → 多阶段规划 → 双臂 → 柔性物体。

七、Table30 的完整 30 个任务

官方当前公开的第一代任务如下：