RoboColosseum 实测 5 种 VLA 策略跨 4 种机器人，暴露环境多样性泛化难题

RoboColosseum 在 4 种机器人本体和分布式环境中测试 5 种 VLA 策略与 3 个前沿 agent，发现受控环境中的出色表现难以迁移到陌生场景。测试覆盖建筑、布局、光照、障碍物和任务版本差异，显示环境多样性可能成为训练数据之外的关键稀缺资源；帖子同时为采集空间真值数据的 vangrid 宣传。