自變量機器人發布 X2Real 基準：模擬分數能否預測真實機器人表現？相關係數 0.84
2026-10-19
事件摘要
成立於 2023 年 12 月、總部位於深圳的具身智能公司 X Square Robot（自變量機器人）於 10 月 19 日發布 X2Real 基準測試，用來檢驗機器人策略在模擬中的分數，能否預測它在實體硬體上的表現。X2Real 建構在 NVIDIA 的 Isaac Lab-Arena 模擬基礎設施上，涵蓋 10 個能力面向、44 項任務，包括視覺與語言推理、精密操作、雙臂協調與工具使用。
技術報告以沒有使用模擬資料訓練的 WALL-OSS-0.5 模型，在 8 項任務上分別進行實機與模擬測試：任務進度分數的相關係數為 0.84，成功率的相關係數為 0.74。報導特別說明，這不代表 84% 的任務成功轉移。公開的評測環境已放上 GitHub，包含 ArtiXon Arm-6A、Quanta X1、ARX R5 與 Franka 等平台共 73 種可執行配置；不過部分分布外任務定義、訓練工具與自動資料生成工具並未公開。
技術意義解讀
機器人學習的一大痛點是「評估太貴」：每改一次模型就要在真實機器人上跑幾十次測試，費時又費力。如果模擬分數能可靠地預測實機表現，研究者就能先在模擬中大量篩選模型，只把最有希望的版本拿到實機驗證。
X2Real 的結果也點出模擬的侷限：在「把眼鏡放上架子」這項任務中，實機成功率 70%，模擬中卻一次都沒成功，代表模擬器在精密操作上可能低估實際能力；而且測試以剛體物件為主，不包含可變形材料、液體、靈巧手與觸覺。這正是 Sim-to-Real 落差的典型例子，延伸閱讀可參考領域隨機化。
原文報導
訂閱 RoboTech Lab 電子報
每週一封，整理新的教學、論文導讀與機器人業界動態。隨時可以取消訂閱。