RoboDojo 评测总览

checkpoint 来历

本站评测过的每个权重都从同一个 276k 预训练底座出发。每个方框写的是这一步做了什么训练，下方标签是它在本站的评测结果（可点击进入详情）；灰底方框是只作为中间起点、本身没有单独评测的权重。来源：各 checkpoint 目录里的 CKPT.md 与 train_config.yaml（/mnt/efs/monitor/ckpts）。

• 276k EMA · 预训练底座

  c288_step_276000_ema：LTX-2.3 视频模型基础上预训练的 DO-WAM 通用底座，下面所有权重都从它出发
  • config_exp（RoboDojo 微调）

    276k EMA 初始化，在 RoboDojo 全部 54 个任务的数据上微调 60000 步；cosine 学习率，峰值 1e-4，warmup 3000；全局 batch 256；任务均匀采样；16 节点。原生 eef20 端到端策略
    • config_exp 51k EMA

      这次微调第 51000 步的 EMA，只作为下面 skill30 的起点，本身没有单独评测
      • skill30 w125 spell02 · 30k EMA

        从 51k EMA 只加载权重（不接优化器状态）；数据改为 task 70% / skill 30% 混合，19 个 WAM 路由任务权重 1.25、原来 5 个任务 0.33、spell 0.2、其余 1.0；WSD-S 学习率，峰值 1e-4，每 5000 步一个周期（最后 1000 步衰减）；本页是第 30000 步

        官方 Docker · 7/seed 13.40%GPT 调用 skill30 · 35 个 GPT 配置 30.5%
    • config_exp 60k EMA

      微调结束（第 60000 步）的 EMA。目前纯 WAM 最好的权重，也是下面四条分支的共同起点

      官方 Docker · 7/seed 14.37%补丁栈 GPU 物理 · 15.88%
      • config_exp WSD-S 第 1 周期 · 65k EMA

        接 60k 的完整训练状态（含优化器）续训 5000 步：WSD-S，峰值 1e-4，最后 1000 步线性衰减到 1e-6；6 个 memory 任务的数据比例设为 0；4 × H200

        官方协议 6300 回合 · 14.38%
      • skill_fix（skill 模型）

        以 60k EMA 为初始化，改训 skill 模型：技能指令数据按技能概率采样，mask_inactive_arms = false；学习率 action 1e-5 / video 1e-6，cosine，计划 100000 步；4 × H200，全局 batch 256
        • skill_fix 40k EMA

          这次训练第 40000 步

          官方 Docker · 7/seed 11.73%
        • skill_fix 74.5k EMA

          09-23 在第 74500 步停止训练时的权重

          未评测
        • skill_fix 20k EMA

          第 20000 步的 EMA，作为 Junbo 下面这条分支的起点
          • Junbo · skill WSD-S WAM19×2

            从 skill_fix 20k EMA 起步，WSD-S 学习率峰值 5e-5，每 2500 步一个周期（最后 500 步衰减）；训练 1500 步后改成把 19 个 WAM 路由任务的数据权重 ×2 接着训。步数按 skill 线累计（20k + 本段步数）
            • 累计 40k EMA（本段第 20000 步）

              官方 Docker · 7/seed 11.82%
            • 累计 53k EMA（本段第 33000 步）

              官方协议评测 09-25 按要求暂停，无结果
      • skill（Ziming 的 skill 100k）

        以 60k EMA 为初始化的另一条 skill 模型训练：学习率 1e-5，cosine 100000 步，16 × H100；中途因故障断点续训几次，是同一条训练

        88.5k：Junbo 提示词路由实验98k / 100k：RPent 技能调用评测不在本站
  • focus_v2（Ziming）

    同样从 276k EMA 起步，沿用 config_exp 的配方，但按 v2 任务权重采样；WSD-S 学习率，每 20000 步一个衰减点（最后 4000 步衰减到 1e-6）；16 × H100，训练到 129.8k 时停止

    60k · 旧补丁栈 12.2%（1050 回合）“120k”评测无效：实际加载的是 60k 权重
  • Junbo · skill cos276k

    skill 模型直接从 276k EMA 起步（不经过 config_exp）：cosine 60000 步，学习率 action 1e-4 / video 1e-5，19 个 WAM 路由任务 ×2；8 × H200

    28.5k：7/seed 筛查 09-25 按要求撤销，无结果

评测设置

下面所有数字都按这套设置跑。只有同一条管线、同一回合数口径下的数字才能直接比较。

官方协议（6300 回合，纯 WAM）

54 个配置 × seed 0–2 × 官方回合数（每个 seed 50 回合，其中 24 个配置 25 回合），与官方排行榜同一协议。总成功率的标准误约 0.4 个百分点；下面 7/seed 筛查的数字（1134 回合）误差约 1 个百分点，两者不要逐任务直接比。

全量 54 个任务（纯 WAM）

每一行是一份完整评测，都是 7/seed 筛查（每个配置 21 回合，共 1134 回合），不是官方协议的 6300 回合。横条长度是成功率，右侧是成功回合数与总回合数。只有同一管线分组内的数字可以直接比较。

横条满格是 35%，与下面两节共用一个刻度。离线排名只计完整评测，按官方五维等权平均 Score 计算。

19 个 WAM 路由任务

组合路由方案把 19 个任务交给 WAM、其余 35 个交给 GPT。这一节只看这 19 个任务，每份都是 399 回合（7/seed 筛查）。

GPT harness（GPT-only 与 GPT 调用 skill30）与组合路由估算

GPT-only 用 GPT-6 Astra 做规划，不用 WAM。它覆盖路由给 GPT 的 35 个任务配置，每个配置跑 layout 0、1、2 各一回合，seed 0。

进行中

L40S 队列状态，更新于 2026-09-25 02:30 UTC。都用官方 Docker 管线、全量 54 个配置 × 3 个 seed（162 组）；回合数见每一行。21:16 起每组只占 1 张 GPU（policy server 与仿真共用一张卡），最多 64 组并行；之前是每组 2 张卡、32 组并行。