Gemini Robotics 2 拧下灯泡成功率92%，拧上灯泡只有36%，小米的开源机器人模型在自家真机测试中报告75%，而pi0.5为40%

谷歌DeepMind于2026年7月30日发布Gemini Robotics 2时，附上了一台人形机器人的成功率图表：拧下灯泡92%，拧上灯泡36%，使用簸箕32%。DeepMind的页面没有说明其中任何一项背后做了多少次试验。

机器人基础模型，是指用一个训练好的网络，接收摄像头画面和书面指令，为多种任务、多种机器人本体输出电机指令。2026年已有八家实验室发布了这类模型或其更新版本。tuput能追溯到的每一个醒目数字，要么由实验室自己测试，要么页面没有说明由谁测试。至于哪些权重（即开发者可以下载的训练后参数）是公开的，各家差别很大。

谷歌的人形机器人数字，以及谁能用

Gemini Robotics 2是一个视觉-语言-动作模型（VLA）：它读取图像和语言，输出动作。卡罗莱纳·帕拉达（Carolina Parada）在DeepMind的文章中说，它既能控制双臂机器人，也能”从脚到指尖”控制完整的人形机器人。随它一同发布的还有两个配套模型。ER 2是一个规划器，把任务拆成步骤并调用VLA。On-Device 2是较小的版本，在机器人自己的计算机上运行。

在Apptronik公司装有Inspire灵巧手的Apollo 2人形机器人上，DeepMind报告的抓取成功率是：从桌面拾起物体68.4%，从架子上76.3%，从地上45.7%。换上Sharpa灵巧手后，拧下灯泡92%，系垃圾袋44%，封口袋40%，拧上灯泡36%，簸箕32%。在配有夹爪的Franka Duo双臂上，拾取放置得分74.2%，工具配套78.9%，精密插入89.6%。谷歌表示，多指灵巧操作仍然很有挑战，机器人的动作还需要更快。造成这些低分的手部问题，在我们关于机器人之手如何学会抓握的文章中有解释。

能用到的人很少。VLA和On-Device 2只提供给早期访问合作伙伴，模型页面提到有100多家受信任的测试者。ER 2可以在Google AI Studio中试用，标注为预览版。

ER 2有谷歌自己评测得出的数字：进度分类的准确率为57.4%（把视频帧归入任务完成程度的五个档位之一），时刻定位为91.3%（挑出关键事件发生的那一帧），平均误差0.96秒。谷歌还发布了一个名为ASIMOV-Agentic的安全基准，并称在测试中，有人靠近时ER 2让人形机器人停了下来。

On-Device 2的模型卡比博客文章直白得多。它列出的局限包括：对训练分布之外的任务泛化有限，控制多关节机器人的能力有限。它的安全测试只涵盖站立式双臂作业，所以全身动作的风险不在范围之内。DeepMind称，一台新的双臂机器人，只需几个小时内采集的不到200个示例就能适配。

Physical Intelligence：pi0.7，以及”未见过”的麻烦

Physical Intelligence于2026年4月16日把pi0.7的论文发布到了arXiv。该模型约有50亿参数：一个40亿参数的语言与视觉主干（起点是谷歌的Gemma 3），加上一个8.6亿参数的动作模块。

最醒目的测试是在UR5e机械臂上叠衬衫，而此前没有为这台机械臂采集过任何叠衣服的数据。作者报告pi0.7的成功率为80%，任务进度为85.6%，十名经验丰富的人类遥操作员则是成功率80.6%，任务进度90.9%。研究是作者自己做的。在未见过的任务或新的任务与机器人组合上，他们报告的成功率大约在60%到80%，而见过的任务常常超过90%。叠衣服是常用的压力测试，它为什么一直很难，见我们关于机器人下棋拿冠军、洗衣却不及格的文章。

作者写道，考虑到他们数据集的规模，很难判断什么算是未见过。The Decoder报道了一个例子：一台机器人把红薯放进空气炸锅，需要一步一步地指导，而训练数据里只有两段机器人关上空气炸锅的记录。

论文没有说是否会发布权重。tuput读到的openpi代码库页面，列出的是Apache 2.0许可下的pi0、pi0-FAST和pi0.5，没有pi0.7。

Skild的S1：未见过的任务66%，常规训练86%

Skild AI的博客介绍说，S1是一个看一遍某项任务的视频就能去做的模型，不需要改动权重。任务时长最长十分钟。经过10万小时的预训练，在未见过的任务上，Skild报告成功率为66%，而用同样数据、同样架构和同样算力训练、由语言提示的VLA为9%。这个指标是长任务中逐步成功率的平均值。Skild说使用了两套内部基准，但没有给出任务数或试验次数。失败的执行过程可以由人工操作员介入恢复，主要用在对照基线上，否则它在未见过的长任务上得分为零。

Skild自己的数字也显示了局限。用2000次示范做后训练的VLA，在Skild测试的这项新任务上达到了86%，高于看一遍视频得到的66%。Skild估计一段视频相当于约380次示范，并称这个数字是插值得来的。这篇文章提供的是早期访问报名，而不是下载。

The Robot Report引述首席执行官迪帕克·帕塔克（Deepak Pathak）的话说，S1尚未扩展到人形机器人，也还没有做好进入家庭的准备。文章没有说明它在哪些机器人上运行过。

英伟达、小米和宇树的开放权重

英伟达的GR00T N1.7约有30亿参数。3月16日的新闻稿称它以商业许可的方式提供早期访问。7月7日的一篇技术文章称，它采用Apache 2.0发布，权重在Hugging Face上，训练代码在GitHub上，预训练使用了约3.2万小时的真实数据和第一人称人类数据，以及8000小时的仿真数据。它相对N1.6的提升只以相对值给出：在一项DROID测试上提高61%，在SimplerEnv Bridge上提高5%。同一模型在Hugging Face上的模型卡写的却是NVIDIA开放模型许可，所以英伟达的两个页面对许可的说法并不一致。

英伟达3月的发布还预告了GR00T N2，它基于DreamZero研究。英伟达的工程师把DreamZero描述为世界-动作模型，即一个同时生成预测视频和动作的网络。英伟达称，它在新环境中完成新任务的成功率，是领先VLA的两倍多，并在MolmoSpaces和RoboArena排行榜上排名第一。发布文件没有提供这一说法背后的数据，N2预定于2026年底推出。

小米的XR-1把测试和权重一起公布。它的说明文件采用Apache 2.0，写明先用超过10万小时、不带机器人本体录制的示范数据做预训练，再用跨越多种机器人类型的超过1万小时数据做后训练。检查点、后训练代码和评测代码都是公开的，技术报告于7月16日上了arXiv。小米报告在RoboCasa365仿真基准上为57.4%，第二名的模型为46.6%。在四项真机任务上，每项任务数据不足10小时的情况下，总体为75%，pi0.5为40%；数据不足40小时时是85%对53%。在40小时的设定下，洗衣装机达到100%，对比为50%。真机对比是小米自己做的，说明文件还称，截至7月15日，XR-1在RoboCasa365和RoboDojo排行榜上排名第一。

宇树于9月10日宣布开源UnifoLM-WLA-1.0，称这个模型既能驱动桌面操作，也能驱动全身作业。它在Hugging Face上的页面列出了一个Apache 2.0许可的基础检查点，但tuput读到时模型卡是空的，所以没有任务数据可查。宇树的人形机器人硬件，以及它与扫地机器人共用的部分，见我们对两者的比较。

Figure和智元

据Figure称，2026年1月27日推出的Helix 02，可以不重置、连续执行一项长达四分钟、包含61个动作的洗碗机任务。它的平衡层是一个1000万参数的网络，用超过1000小时的人体运动数据训练。页面没有给出成功率，并把手指层面的任务与Figure 03的硬件挂钩，该硬件的指尖传感器能感知小到三克的力。Figure称这些结果还处于早期。这类人形机器人在付费试点中做了什么，见我们关于人形机器人开始上班的报道。

智元4月9日宣布的GO-2，据The Robot Report称，在LIBERO仿真套件上达到98.5%，在LIBERO-Plus上为86.6%，仅经仿真训练后的真实世界迁移为82.9%。这三个数字都是智元自己给出的，文章没有说GO-2的权重是否公开。

为什么这些百分比无法并排比较

LIBERO上的98.5%，是在一套固定仿真任务上的得分。簸箕上的32%，是一台装有22个关节灵巧手的真实人形机器人。Skild的66%，是对长任务逐步成功率的平均。没有哪两个数字共用同一项任务、同一个机器人或同一种评分规则，而那些拿自己与别人比较的实验室，点名的对手是pi0.5，或者是自家模型的早期版本。

英伟达3月的发布文件称，GR00T N2预定于2026年底前推出。