8 个机器人策略榜单，6 个不同的第一名
π0.5 在 3 个榜单上排第一，这 3 个都只测一组固定的开源模型。两个持续更新的真机榜单，第一名都没有出现在其他榜单的前列。
关键数字8 个榜单 6 个第一我们追踪的 8 个策略榜单中，不同的第一名模型数
我们追踪 8 个公开的机器人策略榜单（策略指直接输出电机指令的视觉-语言-动作模型）。这 8 个榜单共有 6 个不同的第一名。
| 榜单 | 环境 | 运营方 | 第一名 | 分数 | 抓取日期 |
|---|---|---|---|---|---|
| RoboArena | 真机 | 7 所大学，DROID 平台 | Spirit v1.6 | 1,788（评分） | 2026-10-28 |
| RoboChallenge Table30 | 真机 | Dexmal + Hugging Face | LoopWAM | 43.33% | 2026-10-28 |
| SimFoundry | 真机 | 论文作者 | π0.5 | 73.1% | 2026-09-18 |
| FlagEval-Robo | 仿真 + 真机 | 智源研究院 | π0.5 | 66.88% | 2026-08 |
| ArmnetBench v0.1 | 论文榜 | 论文作者 | π0.5 | 47.6% | 2026-08-29 |
| RoboLab-120 | 仿真 | NVIDIA SRL | Cosmos3 Nano Policy | 36.8% | 2026-08-12 |
| BEHAVIOR Challenge 2025 | 仿真 | 斯坦福 SVL | Robot Learning Collective | 0.26（Q 分） | 2025 决赛 |
| LIBERO | 仿真 | 论文自报 | SimpleVLA-RL (OFT) | 99.1% | 2026-09-23 |
三个规律
- π0.5 在固定参赛名单的榜单上领先。 它的 3 个第一都来自主办方自己挑选一组开源模型来测的榜单。它在 RoboArena（π0.5-DROID，第 4）和 RoboChallenge（作为基线，第 8）也进了前八，但都不是第一。
- 开放提交、持续更新的真机榜单，第一名都没在别处出现过。 Spirit v1.6 和 LoopWAM 不在任何其他榜单的前列。开放提交会引入固定名单榜单从来不测的模型。
- 分数不能跨榜单比较。 π0.5 在 SimFoundry 得 73.1%，在 RoboChallenge 作为基线只有 14.33%。任务、机器人和评分规则都不同，测的不是同一件事。
大多数模型只上过一个榜
在有公开仿真成绩的 1,224 个策略中，85% 只出现在一个榜单上。上表 8 个榜单全部有成绩的只有 π0.5。这就是我们不把这些榜单平均成一个总排名的原因：合并分数主要反映的是每个模型碰巧参加了哪些榜单。
完整名单和来源见我们的 机器人策略页面。