机器人Agent真机评测发布

Poke & Wiggle 发布并开展机器人 Agent 真机评测“The Reality Check Agentic”，在六个前沿模型共5,400次真实世界 rollout 中，Claude Fable 5.2 以65%的成功率领先；该评测测量模型完成全部10项现实任务的成功率及空间泛化能力。 每个 Agent 均配备技能库、运动规划器、仿真器和10个演示，自主编写技能后进行约30次仿真，再申请约10次真机试验。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。