RoboColiseum 角斗赛落幕：Claude Opus 5.5 登顶，大模型在精细操作与视觉扰动下显短板

具身智能评测平台 RoboColiseum 今日公布了多模态大模型的物理世界表现结果。在接入统一控制框架 Agent2Act 的常态化仿真环境中，Claude Opus 5.5 以总分 76.28% 击败 GPT-6 Astra（75.99%），位列四款顶尖模型之首。测试显示，尽管大模型在指令跟随和空间理解等脑力任务上表现优异，但在开门、倾倒等复杂连贯物理动作中，全部不及专用策略模型 Paimon。这表明当前主流模型普遍存在「眼高手低」的现象。针对视觉鲁棒性的压力测试发现，图像质量下降是所有大模型的致命弱点。当加入噪点或镜头遮挡后，Sol 模型分数暴跌 0.77 分，Claude 下降 0.20 分，表明轻微的马赛克干扰即可导致 AI「双目失明」。一项关于物理常识的端锅实验揭示，大模型虽然能识别物体类别，但缺乏三维空间中的操作直觉。在不加特定提示的情况下，模型无法像人类一样双手稳稳端起热锅，必须依赖明确指令才能完成类似动作。研究团队进行的「剥夺实验」证明，历史记忆、深度视觉和动作反馈是具身智能闭环的关键。移除历史记录后，机器人执行积木入盒任务的失败率显著增加；取消相机投影自检则导致物体反复脱手。尽管在全身协同控制方面表现突出，大模型在灵巧手精细操作任务上仍显笨拙。面对叠碗、从书架取书或对准手机充电口等需要极高精度的动作，即便是领先的 GPT-6 Astra 也难以成功。此次评测依托于高保真仿真环境 RoboColiseum，该平台将仿真与实机部署的相关性提升至 89.5%。它通过统一的度量衡消除了 Sim2Real Gap，帮助开发者在低成本下快速识别模型短板并验证落地潜力。