通用智能体已经能写代码、调用工具、完成复杂数字任务。这些能力能走多远进入物理世界？RobotWorld 把问题做成一套仿真测试床：智能体需要把指令和观察，经由机器人接口转成可执行的物理任务。任务带有明确交互预算，成功与否由可执行检查判定；作者同时对照执行轨迹，识别能够迁移的能力，以及阻断可靠完成的缺口。
五类具身、八十四项任务
RobotWorld 包含 84 项任务，覆盖操作、移动操作、运动、驾驶和空中控制。跨度从接触式操作到连续运动与空中控制，要求智能体在不同机器人接口上把指令落到物理执行。评测不只看最终成败，还把任务结果和执行过程放在一起分析，从而区分「哪些能力过来了」和「卡在哪一步」。
工作流复杂，组合并不可靠
当前智能体可以构造复杂的感知与控制工作流，包括图像分割、相机标定、空间估计，以及基于动力学的计算。这些能力并不能稳定组合成成功行为：智能体可能已经到达指令位姿，却丢失任务相关物体状态；无效动作得不到纠正；恢复过晚；或把未完成的任务误判为完成。迁移还不均匀，且因模型而异：Astra 在空间目标和受限接触目标上更常成功，Opus 5.5 在持续平衡和定时交互目标上更常成功。RobotWorld 把结果与执行行为对应起来，既是严格试验场，也是一份剩余缺口的经验描述。
我的判断
这份工作的价值，是把「通用智能体进物理世界」从能力清单改成可检查的行为诊断。材料表明，智能体并非不会调用分割、标定或动力学计算，而是状态保持、无效动作纠正、恢复时机和完成判定不稳定。适用边界应限于仿真测试床、给定的 84 项任务，以及摘要中 Astra 与 Opus 5.5 的类型差异；摘要未报告成功率，因此不能据此做模型排名或真实机器人结论。对做机器人智能体的人，更值得盯组合失败，而不是再堆一个感知模块。