记者当天（26日）获悉，上海交通大学连合业界研发的具身智能测评集GM-100晓谕开源，旨在为估量机器东说念主“大脑”（智能模子）与“身体”（物理履行）的协同技艺，提供一个更系统、绽开且可复现的评估基准。后续，国内多个具身智能大模子将引入该测评集进行“跑分”测试。

现时，具身智能技艺道路尚处言无不尽期，数据集建立穷乏结伴轨范。GM-100测评集畸形于给具身智能出了一套上海版“统考卷”，为国内具身智能评价体系补王人短板。

不盲目追求任务量

据悉，GM-100测评集包含了100个具体任务，合计1.3万条操作轨迹数据，范畴可不雅。表情牵头东说念主、上海交通大学副教学李永露以为，在现时议论阶段，高质料的数据集和评测体系对科研的孝顺至关迫切，优化数据分散能灵验鼓舞模子技艺跳跃。因此，与其单纯追求任务的数据量，该测评集更强调任务想象的广度与评估体系的深度。

记者从议论团队了解到，GM-100测评集在想象任务时，最初分析东说念主类与物体交互的基本原语（不行分割的提醒），再专揽大谈话模子生成辽远候选任务，再经内行筛选优化，最终酿成涵盖从普通浅易操作到陌生复杂场景的100项任务。

此外，该测评集在传统的任务见服从以外，引入了两项要道筹划。一是部分红功率，用于量化多轨范任务中，子轨范的完成情况，幸免“非全即无”的狂暴判断；二是手脚预计罪过，即估量模子在濒临新情况时手脚师法的精度。

研发团队对群众主流模子测试效果久了，GM-100测评集的任务想象难度合理，在不同机器东说念主平台上均可履行且具备分手度，评估效果在不同硬件间也推崇出线路的泛化性，为跨平台模子技艺比拟提供了可靠参考。

{jz:field.toptypename/}

现在，测评集统共100个任务的把稳阐扬、所需物料清单均已开源，还为每个任务上传了约130条着实机器东说念主操作轨迹数据。“咱们甚而公布了具体物料的购买不竭，尽可能裁汰劝诱者的复现与参与门槛，让更多东说念主能在归拢基准上开展测试。”议论团队隆重东说念主告诉记者。

补王人评价体系短板

现时，a8具身智能范围评测轨范分散且不结伴，各团队自建轨范，持取、旅途揣测等侧要点也各不同样，且多局限于高频浅易场景。跟着技艺跳跃，旧有基准的分手度着落，难以反应复杂环境下的中枢挑战，行业穷乏公认的客不雅参照。

智元机器东说念主正在展示。

“现存具身智能模子结构的泛化技艺已显不及，需进行结构性立异，在数据层面，大范畴、高质料数据的收罗与评估还是行业瓶颈。”宇树董事长王兴兴在外滩大会、进博会等多个场面公开示意，现时具身智能的制约要素主如若模子架构和数据质料。

为此，上海正勤快通过具身数据和模子技艺双维度，找到具身智能行业的破局之说念。

在数据方面，智元机器东说念主率先建成群众首个数采超等工场，还开源了包含百万条真机数据的AgiBot World数据集。智元具身业务部总裁姚卯青示意，该数据集提供了工业级高质料数据赈济，包含百万条机器东说念主数据轨迹，每条数据都经由多轮审核，确保场景逼近实际、任务复杂各样。

此外，国地中心和浦江实验室连合团队筹划完成2500万组整机数据积蓄，数据范畴达到谷歌同类数据集的10倍。1月22日，上海库帕念念科技与它石智航晓谕共建“具身数据星火筹划”，鼓舞收场亿小时级别的数据运动范畴。

在模子方面，2025年3月，智元发布群众首个通器具身基座大模子智元GO-1，交融多模态大模子（VLM）与搀杂内行系统（MoE），赈济不同本色平台数据收罗和部署。上海具识智能还自主研发了世界首个具身智能操作系统InsightOS，在智能制造产线部署、颖悟农业功课等产业场景取得应用。

在此基础上，GM-100测评集的出现，则为上海乃至国内的具身智能评价体系补王人了短板。

“咱们的场所并非建立一个王人备公正的物理测试环境，而是打造一个绽开、透明、可复现的评测平台。”该隆重东说念主示意，通过提供轨范化的“考题”（任务）、把稳的“熟识阐扬”（开源贵寓）和纯确切“阅卷轨范”（多维筹划），勤快成为一张具身智能模子的“统考卷”，不仅有助于横向比拟模子性能，更通过题目缔造界说行业的中枢技艺与前沿问题。