机器人真正走向真实世界，考验的不只是完成一个动作，而是能否听懂指令、理解空间，并在复杂环境中保持稳定执行。
近日，在AGIBOT WORLD Challenge Open Session最新评测中，开普云具身智能团队 KP-Robot 凭借自主研发的具身智能基础模型取得优异成绩：
AGIBOT WORLD Challenge 是当前国际具身智能领域具有代表性的开放评测平台之一，由智元机器人（AgiBot）发起，面向全球开发者开放。Open Session 聚焦机器人基础模型能力评测，通过统一任务、统一平台、统一评分标准，对不同团队模型在语言理解、空间推理、操作执行和环境泛化等核心能力进行公开测试，为行业提供公开、可复现的能力评价体系，也成为观察具身智能基础模型发展水平的重要参考。
左右滑动查看排名
三项能力均跻身榜单第一梯队，充分验证了KP-Robot在语言理解、空间推理及环境泛化等关键能力上的综合实力，也体现了开普云围绕真实数据、基础模型和场景应用构建的具身智能技术体系正在持续形成竞争力。
从“完成任务”到“具备能力”
与传统机器人竞赛不同，AGIBOT WORLD Challenge并不是围绕几个固定Demo进行展示，而是面向机器人基础模型，建立了一套能力导向的标准化评测体系。
平台将机器人完成真实任务所需能力拆解为四个相互独立、彼此协同的能力维度：
Instruction Following（指令跟随）
理解自然语言指令，准确识别目标对象
Spatial Reasoning（空间理解）
理解空间关系，完成定位、排序、放置等任务
Manipulation（操作执行）
完成双臂协同、多步骤、长时序复杂操作
Robustness（扰动适应）
面对环境变化仍保持稳定执行能力
每一次评测都会自动生成大量测试场景，模型需通过实时推理完成任务，由平台统一评分。平台严格隔离训练集与测试集，并禁止使用闭源数据、自采数据和轨迹回放等方式，确保排行榜真实反映模型能力，而非针对测试集的优化结果。
相比完成一个预设Demo，这种能力评测更接近机器人未来在真实世界中的应用需求。
指令理解：
让机器人真正“听懂”人
此次获得第一的Instruction Following赛道，重点考察机器人对自然语言的理解能力。
评测内容不仅包括颜色、形状、尺寸、类别等目标识别，还涵盖数量关系、逻辑关系、语义理解以及常识推理等多个维度。例如：
"拿起最大的积木"；
"拿一杯茶饮"；
"拿起水果"；
"拿起立方体或者三角体"。
机器人需要完成从语言理解、视觉语义对齐（Grounding）到动作执行的完整闭环，而不仅仅是识别物体。
KP-Robot在该赛道取得第一，表明模型已经具备较强的自然语言理解与目标定位能力，为机器人执行复杂任务提供了重要基础。
扰动适应：
验证模型真正的泛化能力
如果说指令跟随考察的是机器人是否能够"听懂"，那么Robustness赛道考察的则是机器人是否能够在真实世界中"稳定完成"任务。
这一赛道并不会改变任务目标，而是在相同任务基础上，对机器人所处环境进行系统性扰动，包括：
场景背景、光照和物体材质变化;
机器人初始姿态随机化;
相机噪声、遮挡、丢帧等图像质量变化；
相机视角变化；
自然语言指令改写。
这些扰动高度模拟了机器人在工厂、商业服务、家庭等真实环境中可能遇到的复杂情况。
KP-Robot在Robustness赛道取得第一，意味着模型能够在环境持续变化的情况下，依然保持稳定的任务完成能力。这不仅体现了模型较强的泛化能力，也说明模型学习到的是完成任务的能力，而不是对训练数据的简单记忆。
对于具身智能而言，这种泛化能力正是机器人走向真实应用的重要基础。
空间推理：
迈向复杂任务的重要一步
空间理解是机器人从"能够抓取"走向"能够完成任务"的重要能力。
Spatial Reasoning赛道要求机器人理解物体之间的绝对位置、相对位置、空间关系以及排序、堆叠、目标放置等复杂空间约束。
机器人不仅需要"看到"环境，更需要理解空间关系，并据此完成正确操作。
KP-Robot在该赛道进入榜单前三，进一步验证了模型在空间认知和空间推理方面具备较强能力，为后续复杂操作任务奠定了基础。
数据驱动模型成长
构建具身智能能力闭环
模型能力的持续提升，离不开高质量数据的长期积累。
近年来，开普云持续布局具身智能数据基础设施建设，依托开普云具身智能训练场（无锡基地），构建覆盖真实机器人数据采集、数据治理、模型训练、能力评测和持续优化的全流程体系。
围绕工业制造、商业服务、家庭服务等典型场景，团队持续采集真实机器人交互数据，通过数据驱动模型训练，再以开放评测和真实场景不断验证模型能力，形成"真实数据—模型训练—能力评测—持续迭代"的技术闭环。
比赛验证的是模型能力，而真实场景推动的是模型持续成长。
从开放评测走向产业应用
AGIBOT WORLD Challenge为具身智能模型提供了统一、公开、可复现的能力评测标准，也为行业提供了衡量机器人基础模型的重要参考。
对于开普云而言，参加开放评测并不是终点，而是持续提升基础模型能力的重要过程。
未来，KP-Robot团队将继续围绕具身智能基础模型、真实数据体系和场景应用持续开展技术创新，不断提升机器人在开放环境中的感知、理解、推理与泛化能力，加快推动具身智能技术从开放评测走向真实产业应用，为机器人进入工业制造、商业服务及家庭服务等更多场景提供更加坚实的技术支撑。