EVALUATION INDEXSNAPSHOT 2026.07.01

VLA 基准索引与成绩榜

一页看清经典评测版图，再进入严格同口径成绩账本。可查不等于可混排，这里不制造跨任务、跨本体的“总冠军”。

可排名基准: 4
经典索引: 39
成绩记录: 38
口径组: 8

可排名基准

04 STRICT

01
SimplerEnvREAL-TO-SIM
记录
19
口径
2
指标
0–100%
02
LIBEROMULTI-SUITE
记录
7
口径
3
指标
0–100%
03
CALVINLONG-HORIZON
记录
8
口径
2
指标
0–5
04
RoboCasaKITCHEN-300
记录
4
口径
1
指标
0–100%

BENCHMARK ATLAS

经典与扩展基准索引

覆盖操作、鲁棒泛化、双臂全身、真机竞技场、具身推理与导航；先读能力与口径，再决定数字能否比较。

39 INDEXED

能力域10 项

2023–24分口径读

经典操作

ManiSkill 2 / 3

20 任务族 / 12 领域

2019可扩榜

经典操作

RLBench

原始 100 任务 / 社区 18 任务

2019分口径读

经典操作

Meta-World

50 个 Sawyer 任务

2020数据 / 底座

经典操作

robosuite

模块化操作任务族

2023可扩榜

经典操作

VIMA-Bench

17 模板 / 650K 轨迹

2021分口径读

经典操作

CLIPort / Ravens

10 仿真 + 9 真机语言任务

2020数据 / 底座

经典操作

robomimic

5 仿真 + 3 真机多阶段任务

2023分口径读

经典操作

ARNOLD

8 任务 / 7 个泛化划分

2023异构指标

经典操作

FurnitureBench

家具装配 / 5100 demos

2023样本过窄

经典操作

ALOHA Sim

2 个双臂验证任务

STRICT LEADERBOARD

同口径成绩榜

下方只呈现已经结构化、且能锁定 split 与 protocol 的记录。

REAL-TO-SIM · 任务成功率

SimplerEnv

把真实机器人策略放进仿真环境，观察视觉与动力学迁移后的任务成功率。

当前口径: Google Robot
记录数: 10
记录跨度: 11.0–85.7 %
最新版本: 2025.08

记录状态

RESULT SET10 / 10 条

比较口径

排序

条件可比

CURRENT SLICE

记录值分布

Google Robot · 0–100%

01RT-1(真实策略)有出处85.7 %
02MemoryVLA有出处77.7 %
03CogACT-Base已核对74.8 %
04VOTE有出处74.4 %
05SpatialVLA有出处73.8 %

条件可比均为点估计

为什么不做跨基准总分？

已锁定同一 split；仍需结合输入视角、任务子集、自评属性和备注判断。

Google Robot 与 WidowX/Bridge 是不同机器人、任务族与数据分布，必须分开阅读。

CROSS-BENCHMARK COVERAGE

仅 3 个同名模型出现在两个基准，数据不足以支撑“全能冠军”。

OpenVLASimplerEnv / LIBERO
VOTESimplerEnv / LIBERO
MemoryVLASimplerEnv / LIBERO

RANKED EVIDENCE

SimplerEnv · Google Robot

序号始终按记录值下界计算；切换“版本时间 / 模型名称”只改变展示顺序。

01
RT-1(真实策略)Visual Matching · SimplerEnv arXiv:2405.05941
有出处2022.12
85.7%
来源与口径备注
记录来源SimplerEnv arXiv:2405.05941
特殊说明真机训练策略在仿真 real-to-sim 基准
回到 benchmarks.md 对应章节
02
MemoryVLAVisual Matching · MemoryVLA arXiv:2508.19236
有出处2025.08
77.7%
来源与口径备注
记录来源MemoryVLA arXiv:2508.19236
特殊说明当前数据没有额外口径备注。
回到 benchmarks.md 对应章节
03
CogACT-BaseVisual Matching · CogACT arXiv Table 1/7
已核对2024.12
74.8%
来源与口径备注
记录来源CogACT arXiv Table 1/7
特殊说明✅ 核查确认(DiT-Base 动作模块)
回到 benchmarks.md 对应章节
04
VOTEVisual Matching · VOTE arXiv:2507.05116
有出处2025.07
74.4%
来源与口径备注
记录来源VOTE arXiv:2507.05116
特殊说明当前数据没有额外口径备注。
回到 benchmarks.md 对应章节
05
SpatialVLAVisual Matching · SpatialVLA arXiv:2409.15250
有出处2024.09
73.8%
来源与口径备注
记录来源SpatialVLA arXiv:2409.15250
特殊说明当前数据没有额外口径备注。
回到 benchmarks.md 对应章节
06
π0-BetaVisual Matching · Physical Intelligence π0 arXiv:2410.24164
作者自评2024.10
71.4%
来源与口径备注
记录来源Physical Intelligence π0 arXiv:2410.24164
特殊说明⚠️ PI 口径,第三方复现见 benchmarks.md §1.5
回到 benchmarks.md 对应章节
07
RT-2-XVisual Matching · RT-2-X arXiv:2310.08864
有出处2023.10
46.3%
来源与口径备注
记录来源RT-2-X arXiv:2310.08864
特殊说明3 任务子集 60.5%(口径分裂)
回到 benchmarks.md 对应章节
08
RT-1-XVisual Matching · Open X-Embodiment arXiv:2310.08864
有出处2023.10
42.4%
来源与口径备注
记录来源Open X-Embodiment arXiv:2310.08864
特殊说明3 任务子集 49.4%(口径分裂)
回到 benchmarks.md 对应章节
09
OpenVLAVisual Matching · OpenVLA arXiv:2406.09246
有出处2024.06
34.3%
来源与口径备注
记录来源OpenVLA arXiv:2406.09246
特殊说明社区复现(非原论文数,benchmarks.md 可信参照)
回到 benchmarks.md 对应章节
10
Octo-BaseVisual Matching · MemoryVLA arXiv:2508.19236
有出处2024.01
11%
来源与口径备注
记录来源MemoryVLA arXiv:2508.19236
特殊说明当前数据没有额外口径备注。
回到 benchmarks.md 对应章节

METHODOLOGY

读榜方法与边界

排行榜是检索入口，不是替代原论文的最终结论。

01 · COMPARABILITY

只在同一口径内排序

页面默认锁定一个 split。机器人、任务集、视角或输入设置改变后，记录会进入新的口径组。

02 · RANGE VALUES

范围值按下界排序

例如 95.3–97.1 按 95.3 排序，图中用半透明区间补出上界，不把范围伪装成点估计。

03 · RECORD STATUS

状态不等于独立复现

“已核对”表示对照原表或维护方结果完成核查；“有出处”也可能仍是作者论文中的自报结果。

RANKING BOUNDARY · 排名边界为什么索引中的基准不全部进入统一排序4 类边界

SimplerEnv

Variant Aggregation 样本过少，第三方复现又明确不等同官方数，暂留在评测全景中讨论。

CALVIN

ABCD→D 与 D→D 难度显著不同；标准样本不足时不与 ABC→D 零样本记录混排。

RoboCasa

30-demo、24-atomic 与 Isaac-GR00T 25-task 都是不同任务集，仅保留维护方 multitask-300。

其他维度

真机、双臂、人形、VQA 与 VLN 的指标轴不同，暂不生成跨域综合分或雷达图。