X2Real：现实世界通才政策的广泛模拟基准

通用机器人操纵策略发展迅速，但由于现有模拟基准的根本缺陷，其可靠评估仍然具有挑战性：显着的模拟与真实差距、狭窄的任务覆盖范围以及模糊的训练测试管道导致的不公平评估。先前的工作仅部分解决了这些问题，缺乏同时的忠实性、多样性和公平性，而静态基准设计无法维持长期的政策发展。我们推出了 X2Real，这是一个可进化的模拟基准，用于忠实地评估基于 Nvidia Isaac Lab-Arena 的机器人操纵策略的现实世界性能。 X2Real遵循三个核心原则（忠实性、多样性和公平性），校准模拟视觉和物理属性以与真实硬件保持一致，实现模拟和真实机器人评估结果之间0.84的线性相关性。它具有全面的分类法，具有 10 个能力维度和 44 个分层长期任务，涵盖基本操作技能和视觉基础、语言理解和双手控制等高级能力。我们进一步采用多轴域随机化和严格不相交的训练评估管道，以减少基准测试并确保评估的可信度。 Mana 模拟生态系统由自定义物理领域特定语言提供支持，支持模块化任务设计和迭代性能分析，以及近 300 小时带注释的模拟轨迹数据集。 X2Real 提供了一个忠实、多样化和公平发展的评估基础设施，有效地弥合了模拟与真实评估之间的差距，并支持通用机器人操纵政策的进步。