最强模型在机器人模拟里拿0分，这个0比演示视频有用
Gym-Anything for Robotics把液体、布料、熔融金属、土壤和声音搬进25个模拟、200个RL环境。最难分组前沿模型0分，简单分组Claude Opus 5.5到32%。它还能在模拟里学，并把π0.5从0%推到53%。
Pranjal Aggarwal 在 X 上发布了 Gym-Anything for Robotics。25 个模拟、200 个 RL 环境，材料覆盖液体、布料、熔融金属、土壤，甚至声音，任务落在有经济价值的领域。RL 环境可以理解成可反复试错的任务场，VLA 是视觉语言动作模型。Eitan Shaar 的评论很直接：在把机器人放进真实世界前，用模拟环境尽早找失败，安全地学。
现有机器人模拟偏爱桌面上的刚体，因为好模拟。真实物理工作绕不开液体、布料、熔融金属和化学反应。Gym-Anything 让会写代码的智能体去搭这些模拟。问题也在这里：画面好看不等于物理准确。项目给模拟定了五条标准：物理准确、视觉真实、可解、快速可配置、抗钻空子。创作者智能体为每条标准交证据，渲染、物理测量、辅助演示都算。四个审计智能体检查，其中一个专门试着弄坏它，跑三轮。
每条模拟不止一个 RL 环境。环境要对应真实工作，用自然语言陈述任务；任务可解；验证器正确，奖励能反映进度；难度有跨度。六个审计智能体检查。每个环境能跑不同机器人，从单臂到人形，还要扛住物体位姿、外观和物理参数的上千种变化。
在最难分组，前沿模型也是 0%。简单分组上，最好的 Claude Opus 5.5 到 32%。有网友问，0% 是模型完不成任何任务，还是只针对最难任务。线程里给的是最难分组 0%，简单分组 32%。这个数字让 benchmark 有区分度，也给 RL 训练筛出合适难度。
模拟里能不能学？能。线程说前沿模型能用 ICL 等不同方法学。拿到模拟器里的真实状态后，Claude Opus 5.5 在多轮尝试里提升更快。它还能教一个看不到该状态的学生，把学生首次尝试的奖励翻倍。它生成的代码策略可以产出演示，把 π0.5 从 0% 训到 53%，运行速度比 Opus 自己快 14 倍。
25 个模拟和 200 个环境看着不多。团队说方法可扩展，缺的是算力，已经选了 120 个模拟继续加。代码、RL 环境、benchmark 和论文都开源。做机器人学习的人可以直接拉起环境评估模型，也可以拿代码策略生成演示训练 VLA。普通读者可以看视频里机器人双手写 GPT、喷 π、敲木琴、开叉车。演示归演示，0% 的最难分组才是更值得盯的地方。
链接：
发布时间: 2026-11-01 03:26