Embodied Agent Arena 评测 VLM 智能体
热点事件持续更新
Embodied Agent Arena 评测 VLM 智能体
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
研究团队提出 Embodied Agent Arena，用于评测视觉语言模型（VLM）智能体在机器人通用任务上的表现。据 2026 年 10 月 26 日 arXiv Robotics 报道，该基准包含 1000 个案例，覆盖几何、空间推理、可供性、任务规划与操作五个维度，其中含自建的 168 案例基准 GeoProbe，共评测十个 VLM 智能体。结果显示，闭源模型在全部五个领域领先；开源 VLM 空间推理尚可，但规划与操作成功率明显偏低。研究还发现，增加计算量并不能统一解决失败：代码修复可恢复执行却不完成任务，自我复核甚至可能推翻正确判断。目前事件进展停留在基准发布与首轮评测结果公布阶段。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
前沿 VLM 智能体能否胜任机器人通用任务？Embodied Agent Arena 实证研究报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv Robotics前沿 VLM 智能体能否胜任机器人通用任务？Embodied Agent Arena 实证研究
研究团队推出 Embodied Agent Arena，用 1000 个案例评测十个 VLM 智能体在几何、空间推理、可供性、任务规划与操作五个维度的表现，其中包含自建的 168 案例基准 GeoProbe。闭源模型在全部五个领域领先，开源 VLM 空间推理尚可但规划与操作成功率明显偏低。增加计算量并不能统一解决失败：代码修复可恢复执行却不完成任务，自我复核甚至可能推翻正确判断。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。