机器人能力离线评估新指标
推荐指数 64.0 NO. 031 · 2026.10.30
upvotes20comments1
简介
提出传感器运动对齐度（Sensorimotor Alignment），用视觉表征与物理运动几何的匹配程度预测机器人模型性能，无需昂贵的闭环 rollout。对需要快速筛选模型的机器人团队，可将评估成本从数小时 GPU 压缩到分钟级离线计算。
媒体预览
编辑判断
这篇论文的聪明之处在于把 PRH 从视觉-语言模态扩展到了视觉-运动模态，相当于给机器人领域找了一个"预训练损失和下游任务性能相关"的代理指标。之前大家评估机器人模型基本靠蛮力 rollout，Open X-Embodiment 这类基准测一次成本极高。
从方法上看，他们计算的是视觉特征空间中的距离矩阵与真实运动轨迹距离矩阵的相关性，不需要额外训练，用预训练模型本身的表征就行。这意味着你可以像看 validation loss 一样快速扫一遍 checkpoint，决定哪个值得上真机。
不过 20 upvotes 说明社区还在观望，核心风险是这个指标在跨形态机器人（比如从机械臂到四足）上的泛化性还没充分验证。如果你在做机器人数据筛选或模型预训练，建议等代码开源后先在自有数据上跑一下相关性分析。