RLWRLD 宣布与 NVIDIA 合作推进 DexBench、数据标准和 Isaac Lab 深度集成，意在把灵巧操作评测与训练流程做成行业共识。 6 月 9 日，Physical AI 公司 RLWRLD 宣布与 NVIDIA 合作推进 DexBench 计划，目标是为 humanoid AI 建立下一代行业标准。官方把工作重点拆成三块：一是做通用的灵巧操作评测基准 DexBench，二是推动灵巧操作训练的数据标准，三是与 NVIDIA Isaac Lab 和 Isaac Lab-Arena 深度整合。这看似偏技术社区动作，但在当前赛道里，其实是非常重要的产业卡位。 人形机器人最容易被忽略的一点，是大家常常在比“会不会走、会不会搬”，却没有形成一套被广泛接受的灵巧操作标准。没有统一标准，就很难真正比较不同模型、不同手部机构、不同训练数据的优劣，也就很难让客户、资本和开发者对“谁更强”形成一致判断。RLWRLD 现在推动 DexBench，实质上是在抢一个高地：未来行业到底用什么办法评价机器人会不会“真正干活”。 这件事的商业意义不比发一台新机器人小。谁能主导基准，谁就更有机会主导训练流程、生态接口和开发工具链。过去大模型行业里，基准、数据格式和开源框架的影响力远超单次产品演示；具身智能赛道也正在走向同样的阶段。尤其是灵巧操作这种最难规模化、最难标准化的能力，一旦先形成被广泛采用的评测体系，后来者就更容易围绕它卷参数、卷数据和卷泛化结果。 RLWRLD 选择与 NVIDIA 绑定，也说明这套标准并不打算停留在论文层面，而是想直接接上当前主流的仿真和训练基础设施。这样做的好处是，开发者不需要从零搭建流程，企业也更容易把评测结果映射到实际训练与部署路径。标准、工具和生态一旦连起来，行业扩散速度会明显加快。 所以，这条资讯的核心看点不是 RLWRLD 本身有多大，而是人形机器人竞争正在从“谁先做出新动作”转向“谁先定义什么动作算强、如何训练才算规范”。等灵巧操作进入标准之争，说明赛道已经在向更成熟、更工程化的阶段迈进。
