Ai2 开源 ToyBlocks：机器人学有了自己的「培养皿」，8.5 万条演示全自动生成

艾伦人工智能研究所（Ai2）11 月 6 日在 Hugging Face 博客发布 ToyBlocks：一个开源机器人仿真框架，场景只有一个机械臂和一桌积木，却是 Ai2 提出的首个「FoundationWorld」——像培养皿一样可控的实验环境，让研究者一次只改一个变量、反复测试、追踪机器人失败的真正原因。代码、数据、两个模型、训练与评测代码全部公开。

ToyBlocks 不靠人手把手遥控采集演示，而是用强化学习加运动规划，在英伟达 Isaac Lab 里自动生成推、翻、叠等短程技能，再由任务与运动规划器把技能串成完整任务；单张 GPU 上可并行跑数百个规划，最高达到 24 倍实时速度。首批数据集包含 85,336 条长程演示、约 1,600 小时机器人执行记录、1.44 亿帧，代码为 Apache-2.0 协议、数据为 ODC-BY 协议、LeRobot 格式。两个配套模型也一并放出：高层规划用约 4.5B 参数的 Molmo 2，底层执行用 3.225 亿参数的 ManiFlow。

评测结果 Ai2 自己也强调只是初步结论。大模型的泛化能力仍远未解决：ManiFlow、π0.5、MolmoAct 2 在新位置、新堆叠高度上的泛化都比较差。但仿真到真机的迁移出现了亮点：在 Franka FR3 机械臂加 Robotiq 夹爪、30 个真实场景上零样本部署，ManiFlow 原子技能成功率仿真 80.0%、真实 81.1%；Molmo 2 加 ManiFlow 的分层系统在最简单的三字母拼字任务上仿真成功率 55.5%（111/200）、真实 50.0%（15/30），Ai2 自己提醒真实样本只有 30 次、统计置信度还不够。用 Claude Opus 5.5 做的智能体在搜索拼字任务上 63% 解决或正确判定不可行。

机器人演示往往只展示成功、不解释失败，ToyBlocks 把「为什么失败」变成了可测量的实验：训练数据、模型、评测条件一次只动一个，仿真里的失败模式还能拿到真机上对照。同样是具身方向，瑞士团队 9 个月造出会学手艺的人形机器人 AIR，干一个月就能自己上岗；国内的智元 10 月底一天连发两个大模型，GO-3 年底开源。Ai2 计划几周内放出更大规模的第二批数据、补上完整的强化学习训练能力，之后还想做双臂操作和灵巧手。对做具身智能的研究者来说，这是一个能直接上手复现的公共试验台，而不是又一个只能看的演示视频。

来源：Hugging Face 博客（Ai2），原文：https://huggingface.co/blog/allenai/toyblocks