RoboDojo DO-WAM 评测 · Junbo skill WSD-S 40k（官方 Docker

RoboDojo DO-WAM 评测 · Junbo skill WSD-S WAM19×2 40k（官方 Docker · CPU 物理）

主数字是 Junbo 的 skill WSD-S WAM19×2 · 累计 40k EMA（Skill 线：从 Skill 20k EMA 起步，WSD-S 再训 20k 步；组合路由里分给 WAM 的 19 个任务数据权重 ×2）在官方 RoboDojo Docker 镜像（upstream 726e9aa，Isaac Sim 5.1，官方默认 CPU 物理，单环境）里的纯 WAM全量结果，7/seed 筛查：54 × 3 × 7 = 1134 集（单个配置 21 回合，误差约 ±8 个百分点）。灰色参照一：config_exp 60k（同一 Docker 管线，目前最好的筛查结果）；灰色参照二：skill_fix 40k（同一管线、同一 skill 线的旧 checkpoint）。评测由 Junbo 的 Codex 会话于 09-24 提交；每条 episode 都能看到任务要求、结果和头部相机录像。

结论（09-24 评测，09-25 上页）：加权没有带来提升。134/1134 = 11.8%，按官方排行榜算法 Score 17.18，在 48 个模型中排第 9；同管线 config_exp 60k 14.4%（Score 第 6），skill30 30k 13.4%，skill_fix 40k 11.7%。被加权 ×2 的 19 个 WAM 路由任务合计 98/399 = 24.6%，低于 config_exp 60k 的 116/399 = 29.1%，与 skill_fix 40k 的 97/399 持平；其余 35 个任务 36/735 = 4.9%（60k 为 6.4%）。与 60k 相比 12 个配置变好、16 个变差、26 个持平；明显变差：make_kong 6 → 0/21、pour_liquid_into_cup 11 → 5/21、fasten_screws 6 → 2/21、plug_in_charger 5 → 1/21；变好：build_tower 6 → 8/21、fold_clothes 7 → 9/21、match_and_pick_from_conveyor 5 → 7/21。同一训练的更晚 checkpoint（累计 53k）的官方协议评测（6300 回合）已准备好，09-25 按要求暂停，尚无结果。

五个能力维度

官方榜单口径：维度内任务等权，五维等权平均；generalization 的普通/随机版本各占一半。所以一个评测条件的杠杆（从 0 做到 100% 能给总分加几分）取决于它所在维度有几个条件——memory 每条 3.33 分，generalization 每条只有 0.83 分。两种统计：已完成子集（29 个基础任务全部测完，其他模型也按同一子集重算）和全量补零（未完成/异常/跳过项暂记 0 分）。参照线为官方榜首。"训练份额"是 robodojo_task_focus.yaml 草案里该维度可训任务的采样份额之和。

逐任务结果

点任意圆点看那条 episode 的头部相机录像（有录像的圆点带实心边）。每个任务最多带 3 条成功、2 条失败的录像。每张卡还标了：你的评审备注、该条件对总分的杠杆、训练语料覆盖情况和 robodojo_task_focus.yaml 草案里的采样权重。

成功失败（圆点内为部分得分）场景异常，隔离不计未跑 / 跳过重点可能可以提别管了 评审备注 训练任务随机布局变体未训练 语料覆盖

逐任务对照：官方榜单、补丁栈（GPU 物理）与 skill_fix 40k（同管线）

每行一个评测配置，数字都是成功率（%）。排名是本页 SR 在 40 个官方模型加我们共 41 个里的名次，按 SR 严格高于我们的模型数计，"并列"含我们自己。青色底表示本页 SR 不低于该任务官方榜首。点表头排序。我们每配置只有 21 条（1 次成功 ≈ 4.8 个点），官方是 75/150 条；差距在 ±10 点内基本看不出高低。

官方榜单（RoboDojo Sim Leaderboard，官网 2026.9.23 版）与本页模型的位置

已测完子集上的重算排名（前 12）

官网榜单更新记录