具身智能全文深读与原图讲解

SO-101 Bench：便宜机械臂上的空间操作评测

仿真排名一致，是否就说明成功率能迁移到实机？

Truman Hickok预印本首发 · 近7日补收 2026.10.27

论文公开 · 开放边界见正文

IN A NUTSHELL

该基准建立 SO-101 数字孪生，以四类空间操作、138个对象和可复用策略接口比较学习策略与工具智能体。它的实机检查保住了五种策略的排名，却也量化了明显的成功率高估。

图解主要方法

仿真排名一致，是否就说明成功率能迁移到实机？

1
固定空间任务与分层得分
图1展示放入、邻近、两物之间、方向移动；按5任务族×3对象划分的15格平均，避免大类样本数主导总分。任务成功需保持5秒，不只是某帧接近目标。
2
让外观与任务同时变化
3,629条仿真示范约18.5小时，48已见、43新实例、47新类别对象；主评测916回合，含规划与被遮挡对象记忆子集。37个对象私有以保留测试隔离。
3
同权重对照实机并核算耗时
五种策略在45个匹配布局上分别上机，共225实机回合；模型计算时仿真暂停、机械臂保持，控制超时不包括等待，因此额外报告墙钟时间才有实用意义。

已阅读正文与方法、实验相关附录，核对实验条件与原图；未独立复现。

来源证据学习策略各给36小时×4张A100，但样本吞吐可相差30倍。InternW0-Δ61.4%与Galaxea60.8%置信区间重叠；工具智能体组合83.2%。主榜与训练预算 ↗

我的解读统一墙钟预算是一个比较口径，不是各模型性能上限；智能体的工具能力和计算条件额外参与结果。

来源证据五策略sim-real排名Spearman=1，但成功率高估9–31个百分点。智能体29/45对Galaxea24/45，配对McNemar p=.30；实机中位耗时197秒对38秒。实机与统计 ↗

我的解读排名正确不代表概率校准；这个样本不足确认实机成功优势，速度代价也不可省略。

官方仓库含任务、策略服务器和评测实现，并提供数据/权重入口；根目录未见LICENSE，直接请求LICENSE返回404，因此不能把可下载代码称为许可已核实的开源。README公共验证集45回合，与论文检查点选择39回合需区分。

LICENSECC BY 4.0

独立分析 · 未复现实验

低成本硬件、清晰空间关系和同权重sim-real对照，使研究者能区分训练表现、规划能力与落地误差。

实机只有一间新房间、45布局且灯光相机固定，智能体在更晚时段评测。资产缩放、重量摩擦与渲染近似都可能影响迁移。

适合空间操作与工具接口研究；用它估算真实部署成功率时必须保留仿真乐观偏差。

未执行的验证方案：在第二间房间复测相同布局，锁定墙钟预算与工具调用次数，记录成功、耗时、接管和物体接触；检验排名及绝对成功率是否同时稳定。