Embodied Agent Arena 实证研究：闭源 VLM 机器人任务领先，开源模型规划能力较弱

港科大（广州）、港中文与 Knowin AI 团队发布 Embodied Agent Arena 基准，检验 10 个 VLM agent 胜任机器人通才任务的能力。基准覆盖几何、空间推理、可供性、任务规划和操作五个领域，共 1000 个案例，并包含自建的 168 案例 GeoProbe。结果显示，闭源模型在五个领域均领先，开源模型虽具备可用的空间推理，但规划与操作成功率显著更低。