لتحقيق تطبيقات روبوتية فعالة وذات نطاق واسع في العالم الحقيقي، يجب علينا تقييم مدى قدرة سياسات الروبوت على التكيف مع التغيرات في ظروف البيئة. للأسف، أغلب الدراسات تقوم بتقييم أداء الروبوت في بيئات تشبه عن كثب أو حتى تكون متطابقة مع الإعداد التدريبي. نقدم COLOSSEUM (الكولوسيوم)، وهو مقاييس محاكاة جديد يحتوي على 20 مهمة متنوعة للتحكم، مما يمكّن من تقييم النماذج بشكل منهجي عبر 14 محورًا للتغيرات البيئية. تتضمن هذه التغيرات تغيير الألوان والملمس والأحجام للأجسام، وأسطح الطاولات، والخلفيات؛ كما نقوم بتعديل الإضاءة والمشتتات والتغيرات في الخصائص الفيزيائية ووضع الكاميرا. باستخدام COLOSSEUM (الكولوسيوم)، نقارن بين 5 نماذج متقدمة للتحكم للكشف عن أن معدل النجاح لديها يتراجع بنسبة تتراوح بين 30٪ إلى 50٪ عبر هذه عوامل التغيير. عند تطبيق عدة تغيرات معًا، يتراجع معدل النجاح بنسبة ≥75٪. نحدد أن تغيير عدد الأجسام المشتتة، ولون الجسم المستهدف، أو ظروف الإضاءة هي التغيرات التي تقلل من أداء النموذج بأكبر قدر. لتأكيد صلاحية نتائجنا البيئية، نظهر أن نتائجنا في المحاكاة مرتبطة ($\bar{R}^2 = 0.614$Rˉ2=0.614) بالتغيرات المماثلة في التجارب الواقعية. نوفر الكود مفتوح المصدر للاستخدام من قبل الآخرين في COLOSSEUM (الكولوسيوم)، كما نصدر أيضًا الكود لإنتاج الأجسام ثلاثية الأبعاد المستخدمة لتقليد التغيرات الواقعية. في النهاية، نأمل أن يخدم COLOSSEUM (الكولوسيوم) كمقاييس لمعرفة القرارات النموذجية التي تحسن بشكل منهجي عملية التعميم للتحكم. للمزيد من التفاصيل，请参阅: https://robot-colosseum.github.io/注：最后一句中的“请参阅”是中文，正确的阿拉伯语翻译应该是“لمزيد من المعلومات，请参阅”或者直接去掉“请参阅”，改为“لمزيد من المعلومات:”。因此，最终版本如下：في النهاية، نأمل أن يخدم COLOSSEUM (الكولوسيوم) كمقاييس لمعرفة القرارات النموذجية التي تحسن بشكل منهجي عملية التعميم للتحكم. للمزيد من المعلومات: https://robot-colosseum.github.io/