DROID是一个大规模真实世界机器人操作数据集，收录了1万+条机器人演示轨迹，涵盖不同场景、物体和任务类型。该评测基于DROID数据集，对比了BC、Diffusion Policy、VLA等不同策略学习方法在跨场景泛化和零样本迁移上的表现。评测使用统一的数据分割和评估协议，测量策略在未见场景和新物体上的成功率。DROID数据集评测为机器人操作学习领域提供了重要的跨场景泛化基准，推动了从实验室到真实世界的机器人策略开发。