ManipArena是标准化的真实机器人评估框架，用于研究匹配物理条件下的操作泛化能力，arXiv:2603.28545。该基准包含20个任务、10812条专家轨迹、1350万帧和约188机器人小时，覆盖桌面和移动操作。框架结合了模式定义的任务变化、分层的域内/视觉偏移/语义OOD测试、子任务级部分信用评分和三级评估协议，为真实机器人操作泛化能力的诊断提供了严谨的评测体系。