浏览器端具身AI物理仿真基准：Rapier/WASM实现零部署评测

我在构建 VSArena，一个用于评估具身 AI / VLA（视觉-语言-动作）策略的开放基准竞技场——目前还是个人项目，处于早期阶段。这篇文章讲的是一个具体的技术决策：让物理模拟完全跑在客户端、浏览器里，以及这样做解决了什么、没解决什么。

LLM 已经有公开的、标准的竞技场来比较模型质量（LMArena 是最明显的例子）。具身 AI 还没有等效的东西。大多数 VLA 论文在自定义环境中报告结果——不同的模拟器、不同的任务、不同的评分标准——相互之间无法直接比较。

VSArena 的目标：提供一个单一的、可复现的任务（一个 4 自由度机械臂堆叠三个方块），任何人都能运行并获得评分，无需安装模拟器或搭建基础设施。

为什么用客户端物理模拟

模拟完全在浏览器里运行：Rapier.js（一个编译为 WASM 的 Rust 物理引擎）负责刚体动力学，React Three Fiber 负责渲染，目标是 60Hz 的物理步长，与渲染循环解耦。

优势是真实的：让某人观看或遥控机械臂的服务器成本为零，而且消除了"克隆仓库、安装模拟器、配置场景"这种让大多数人从未尝试过基准测试的摩擦。

显而易见的问题：客户端物理模拟可以被本地运行它的人篡改。对观众/开发者演示来说没问题——但对于任何需要被信任的排行榜来说，就不行了。

修复方案：分离"观看"与"计分"

Studio（浏览器内演示）明确标注为仅供观看/开发使用。它从不向公共排行榜写入数据，这在 UI 中直接标注——在浏览器中运行的任何内容都显示为"seed"或"not client-posted"，而不是假装成真实结果。

公开 ELO 只来自托管测试工具：一个服务端进程，以权威方式运行相同的模拟，独立于客户端声称的结果来验证提交。那个测试工具是唯一还没上线的东西——我宁愿先交付它然后再说"提交已开放"，而不是过早地声称它可用。

VLA vs 特权状态

另一个值得提到的分离方式：有两个赛道。VLA 赛道只给策略提供一个 128x128 的 RGB 相机画面和一条语言指令——没有物体姿态。独立的状态赛道直接提供特权姿态，仅用于调试/基线，并明确不会写入同一个公共排行榜。内部评分仍然使用真实姿态来评判空间精度和任务完成度——但那是裁判专属信息，从不暴露给 VLA 赛道的策略。

这个区别很重要，因为一个通过获取精确坐标来"作弊"的策略，并没有真正解决真实的 VLA 模型需要解决的问题（通过像素感知世界）。

托管测试工具用于公开 ELO 摄入（服务端权威计分）

Python SDK 打磨（pip install -e sdk/python 今天已经可以在 dry-run 模式下运行）

在当前 IK 基线之外再实现几个基线策略

仓库已公开，如果你想直接查看协议或评分代码：https://github.com/NovaCoding-G/VSArena（MIT 许可）。关于评分方法的反馈——尤其是客户端物理模拟仍然解决不了的问题——非常欢迎。