SIMULATION
历史录像已接入GPU 上的仿真执行
视频暂时无法加载，请刷新页面后重试。
v13-round01-layout0 · 805 次动作
GPT-6 Astra + VLA 历史参考回合。可观察持筒、插入与归位过程，尚无对应的同策略真机录像。
查看独立的模型仿真试验 ↓ SIMULATION → REAL WORLDPR #8 · 首个接入任务
同一策略，
从仿真走向真机。
仿真里能完成，到了真实世界还行吗？
Robotics Bench 连接 GPU 仿真与 RoboRSI 真机执行，用同一 TaskGraph 对齐过程，衡量策略迁移的差距。
PhysicalRSI / 双臂笔筒任务 · 仿真记录已接入，真机配对待完成
ONE POLICY固定任务、策略与版本配对待建立
共享 TaskGraph定位差距发生在哪一步
Simulation记录已接入
Same-policy Real待接入
TaskGraph Gap待配对后计算
01 / HOW THE BENCH IS BUILT
一条策略，
两种环境，一套评测。
先定义任务与策略，再在 GPU 上运行仿真。
将同一策略部署到真机，最后对齐执行过程，
回答它是否仍然有效、差距出在哪里。
- 01 / DEFINE
任务与策略
约定任务目标、技能接口和成功条件，固定用于比较的策略版本。
输出 / 任务定义 + 策略标识 - 02 / SIMULATE
GPU 仿真
在 Isaac Sim 执行策略，保存观测、动作、结果与可回放轨迹。
输出 / 仿真执行记录 - 03 / TRANSFER
真机运行
通过记录在案的硬件适配部署同一策略，采集 RoboRSI 真机过程。
输出 / 同策略真机记录 · 待接入 - 04 / COMPARE
TaskGraph 对照
将两端映射到同一组任务节点与条件，比较完成情况和执行代价。
输出 / sim-to-real gap · 待计算
Robotics Bench 负责对齐与比较；RoboRSI 承接真机执行与改进。对照结果回到策略迭代，下一版重新建立配对，保留版本脉络。
02 / SIMULATION & REALITY
仿真怎么做，
真机能否复现？
这里将呈现同一策略在两种环境的表现。
现有仿真录像与真机记录尚未配对，
当前不能据此判断迁移成功或计算 gap。
当前状态 / 未配对
同策略 ID、匹配场景与两端 TaskGraph 记录补齐后，才形成一组可比较的实验。
REAL WORLD
同策略记录待接入RoboRSI 真机执行
REAL / PENDING为同一策略的
为同一策略的
真机运行留出位置。
待接入：真机录像、策略版本、
场景条件与 TaskGraph 轨迹。
已有真机实验 ≠ 已完成同策略对照
RoboRSI 有独立的真机研究录像。它们可用于了解平台，但暂不作为当前仿真策略的迁移证据。
查看 RoboRSI 现有真机演示 ↗区分三类仿真证据
上方视频对应 v13 历史参考轨迹。当前通过验证的 Oracle 使用 v12 预录轨迹，共 713 次动作，执行时不调用语言模型。下方 Kimi 模型试验是另一批运行。三者不能拼接为同一策略的 sim-to-real 对照。
03 / ONE TASKGRAPH, TWO TRACES
对齐任务的进展，
看清差距在哪一步。
TaskGraph 用节点表达目标状态，
用依赖关系表达完成条件。两端动作可以不同，
但必须回答同一个问题：这一环是否完成？
任务结构示意 · 非已提取的运行轨迹
PR #8 / 持住笔筒 → 插入四支笔 → 放稳笔筒 → 双臂归位
SELECTED NODE / N01
持住笔筒
检查笔筒是否被稳定持住，并持续为另一只手提供操作空间。
比较：建立持筒状态是否成功、重新抓取次数，以及进入下一节点前的停滞。
SIM TRACE待映射已有录像，尚未接入统一节点标注
REAL TRACE待接入缺少同策略真机记录
NODE GAP—仅在两端可比较后计算
插入节点包含四支笔的子目标；示意图不额外规定笔的先后顺序。实际节点定义、依赖和容差需以版本化的任务判定规范为准。
04 / MEASURING THE SIM-TO-REAL GAP
Gap 是多少，
要从同一张图上读。
先确认同一策略和可比条件，
再比较任务是否完成、哪些节点失效，
以及多付出了多少重试与时间。
CURRENT SIM-TO-REAL GAP— 待测
缺少配对的真机记录与两端 TaskGraph 标注。
未测不等于 gap 为零，也不代表迁移成功。
“同一策略”需要什么？
- 固定策略版本：模型/权重、提示词、技能与参数。
- 共享任务目标、TaskGraph 定义和判定条件。
- 记录两端场景、机器人标定及硬件适配差异。
- 保留成组试验、异常和人工干预，报告样本量。
若修改了策略，则建立新的对照组；真机适配与安全约束也需显式记录。
从任务结果到节点过程
拟采用的对照口径 · 待验证| 对照维度 | 如何从 TaskGraph 衡量 | Gap 表达 | 当前结果 |
|---|---|---|---|
| 任务完成 | 检查全部必要节点与终态是否满足，分别报告有效试验数。 | Sim 成功率 − Real 成功率 百分点；正值表示真机下降 | 待配对 |
| 节点完成 | 按相同节点条件，统计各节点在有效试验中的达成率。 | 逐节点完成率差 定位从哪一环开始分化 | 待标注 |
| 依赖与路径 | 比较前置条件满足情况，记录回退、循环及失效节点。 | 路径差异 + 依赖违反记录 不强求两端低层动作完全相同 | 待标注 |
| 执行代价 | 在可比、已完成的节点内，比较重试次数和实际执行耗时。 | Real − Sim 的差值与分布 另报未完成节点与样本数 | 待测量 |
先展示逐项差异，再决定是否汇总。
本页暂不汇总为单一分数；TaskGraph 对照口径与权重确认后，再发布综合指标。仿真回放一致性是仿真内部验证；视频时长（尤其加速录像）不能代替真实执行耗时。比较口径、超时与缺失值处理需在成组试验前固定。
05 / SIMULATION EVIDENCE
先看已有的
仿真运行记录。
以下成绩仅来自仿真，不是 sim-to-real gap。
模型：Kimi k3.1 pro。
分别使用 Codex 和 Claude Code 两套执行工具，
每套进行 5 次试验。
CODEX HARNESSGPU 1
0 / 3 次有效试验通过
3 次任务未完成 · 2 次 API 限流未计分
CLAUDE CODE HARNESSGPU 2
0 / 5 次有效试验通过
5 次任务未完成 · 回放均一致
| 试验 | 执行工具 | 任务结果 | 动作数 | 回放一致性 | 原始记录 |
|---|
i
怎样理解这些结果？8 次有效试验都用满了 1,100 次动作，原生任务得分为 0.0，且独立回放一致。两次接口限流属于执行错误，不算任务失败样本。这是一个固定场景的有限试验记录，不能外推为通用机器人能力排名。
模型试验版本
fbeaf4d后续修改包括运行配置与引擎元数据；PR 说明模型可见内容未改变。06 / SIMULATION VALIDATION
动作执行了，
也要能复核。
任务完成与回放一致必须同时成立。
智能体自己写下“成功”，不会获得通过奖励。
实时执行
智能体读取图像和状态，通过公开动作接口控制仿真机器人。
记录实际动作
可信采集器保存实际执行过程，封存可供后续验证的记录。
独立回放评分
在全新的隔离进程中重放轨迹，检查任务条件和物理状态一致性。
对照GPU 1GPU 2
Oracle713 次动作 / 回放一致通过 · 1通过 · 1
Nop不执行策略未通过 · 0未通过 · 0
07 / SOURCE & SCOPE
从结论，回到证据。
仿真成绩来自 PR #8；真机背景来自 RoboRSI。
跨环境 TaskGraph 对照口径为待验证草案，
同策略配对数据尚未接入。