大规模部署机器人要求对日常情况的“长尾”具有鲁棒性。现实环境所特有的场景布局、物体几何形状和任务规范的无数变化，在现有的机器人基准测试中不仅数量庞大且代表性不足。衡量这种水平的泛化能力需要大规模且多样化的基础设施，这是仅靠物理评估无法提供的。我们推出了 MolmoSpaces，这是一个完全开放的生态系统，旨在支持机器人策略的大规模基准测试。MolmoSpaces 包含超过 23 万个多样化的室内环境，从手工制作的家居场景到程序生成的全屋场景，填充了 13 万个具有丰富标注的物体资产，包括 4.8 万个具有 4200 万个稳定抓取点的可操纵物体。至关重要的是，这些环境与模拟器无关，支持 MuJoCo、Isaac 和 ManiSkill 等主流选项。该生态系统支持全方位的具身任务：静态和移动操纵、导航以及跨整个室内环境的协同感知、规划和交互的长程任务。我们还设计了 MolmoSpaces-Bench，这是一套包含 8 个任务的基准测试，机器人可在其中与我们多样化的场景和标注丰富的物体进行交互。实验表明，MolmoSpaces-Bench 表现出极强的“虚实结合”相关性（R = 0.96, ho = 0.98），确认了更新、更强的零样本策略在我们的基准测试中优于早期版本，并识别出了对提示词措辞、初始关节位置和相机遮挡的关键敏感性。通过 MolmoSpaces 及其开源资产和工具，我们为机器人学习研究中的大规模数据生成、策略训练和基准创建奠定了基础。