知识中等
你了解哪些具身智能的评测基准？它们分别评估什么能力？
仿真操作基准有 LIBERO、Meta-World、RLBench、CALVIN、RoboCasa 等，分别考察持续学习、多任务、长时序语言跟随等能力；RT-1/RT-2 是模型而非基准。
标准答案
常用仿真基准：LIBERO——面向知识迁移与终身学习的操作任务套件（本体/物体/目标/关系四种泛化划分）；Meta-World——50 个多任务操作环境，考察多任务 RL 与泛化；RLBench——高自由度臂上的大规模任务集；CALVIN——长时序语言条件任务链，考察语言跟随与组合性；RoboCasa——家庭场景大规模仿真。真实评测多以自建任务集 + 成功率报告；Open X Embodiment 提供跨本体评测协议，SimplerEnv 尝试用仿真代理真实评测。注意 RT-1/RT-2 是模型，其任务集常被借用但本身不是基准。
深入理解
高分回答会按「考察维度」组织：多任务泛化（Meta-World）、持续学习（LIBERO）、长时序语言（CALVIN）、场景规模（RoboCasa），并指出仿真成功率与真机表现仍有显著相关性缺口——这也是为什么 π 系列论文坚持真机验证。