RoboColosseum 基准实测：通用机器人策略跨本体一致性弱

RoboColosseum 在真实开放环境中大规模评估通用机器人策略，结果显示不同机器人本体的表现难以互相印证，策略可靠性也较为有限，微调提升明显超过零-shot 表现。该基准由 MAGIC LAB 团队主导，论文、代码、模型与数据集均已开源，旨在推动物理智能评测规模化与标准化。