机器人电报11月10日讯，近日，伽马智能与中国电信人工智能研究院TeleAI联合宇树推出LocoManiLab，这是一套面向人形机器人移动操作的统一测评框架。该框架的核心设计在于将策略模型与全身控制器拆解为两个独立层面，并纳入同一标准下进行综合评测，既评估上层决策能力，也考核底层全身运动控制表现。研究人员可在相同任务与机器人配置下横向比较不同策略模型的效果，同时进一步分析控制器对执行结果的影响。
LocoManiLab构建了覆盖五类家庭空间的测试环境，涵盖厨房、客厅、卧室、浴室和办公室共13个场景实例，其中两个场景基于真实环境构建的仿真场景。框架共包含234项任务，由102项原子任务和132项组合任务构成。所有测评均以宇树G1人形机器人搭配Dex3灵巧手作为统一测试本体。
研究团队对12个策略模型进行了测评。结果显示，现有模型在面对新任务和新场景时成功率普遍下滑——XR-1在见过的任务上平均成功率达80.2%，切换到未见任务后降至25.2%，在未见场景中进一步跌至8.2%。域随机化测试方面，在较低强度的视觉扰动条件下，XR-1在原子任务和组合任务中均表现领先；但在中、高强度扰动下，DM0.5展现出更强的稳定性并取得更高成功率。此外，在原子任务较高强度扰动条件下，π0.5的平均成功率也超过了XR-1的70.5%。
LocoManiLab所定义的移动操作任务并非简单的移动与抓取能力叠加。以打开冰箱为例，机器人需先移动至冰箱前并调整身体姿态，再伸手握住把手拉开冰箱门；门的状态变化后，后续抓取位置也随之改变。整个过程中，双腿移动、身体平衡与手臂操作须高度协同，面对的并非一串彼此独立的离散动作，而是耦合紧密的连续决策过程。