Embodied Agent Arena评测机器人通才能力

港科大（广州）、港中文与 Knowin AI 团队发布 Embodied Agent Arena 基准，用于检验视觉语言模型智能体能否胜任机器人通才任务。评测显示，闭源模型在几何、空间推理、可供性、任务规划和操作五个领域均领先；开源模型虽具备可用的空间推理能力，但任务规划和操作成功率显著更低。 该基准包含1000个案例，汇集32个既有数据源，并推出含168个案例的GeoProbe，用于测试相机的运动、深度和尺度估计。团队以最小化测试框架评测10个智能体，将任务决策交给模型本身。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。