ManipArena：面向推理的通用机器人操作的综合真实世界评估

视觉 - 语言 - 动作（VLA）模型与世界模型虽前景广阔，但缺乏反映真实部署的可靠评估协议。现有基准多依赖模拟器，无法捕捉感知噪声、接触动力学等现实差距。为此，本文提出 ManipArena，一个标准化的评估框架，旨在弥合仿真与真实执行的鸿沟。该框架包含 20 项多样化任务及万余条专家轨迹，重点强调需要语义和空间推理的操作任务，支持多层级泛化测试，并涵盖长程移动操作。通过提供丰富的感官诊断信息及高保真虚实同步环境，ManipArena 为诊断和提升具身智能系统提供了公平、真实且可复现的可扩展基础。