RoboTwin-Phys：WAM 和 VLA 理解物理世界吗？

目前的机器人操纵基准很大程度上缺乏物理条件的多样性。虽然大规模模拟基准越来越多地纳入对象外观、场景布局和视觉观察的变化，但它们通常保持底层物理参数固定。因此，现实世界可变性的重要来源，例如质量、摩擦和关节动力学的变化，在很大程度上仍未经过测试。我们引入了 RoboTwin-Phys，这是一个物理多样性基准，它将物理条件多样性视为机器人操作评估的一个明确维度。该基准在物理合理范围内不断变化 13 个物理属性，为评估不同物理操作条件下的策略提供统一的设置。我们进一步发布了 5,000 多个带有真实物理参数的专家演示，支持物理属性估计、条件感知建模和物理条件策略训练。对代表性 WAM 和 VLA 的评估揭示了巨大的鲁棒性差距：在现有视觉和布局随机化下仍然有效的模型在物理条件变化下可能会显着退化。 RoboTwin-Phys 提供了系统测量和提高机器人操作中物理条件多样性的鲁棒性所需的基准、数据和评估协议。