研究解读 机器人与交互 · arXiv 2611.26444
作者 Yuzhi Huang 等
Mind2Act World: A Diagnostic Benchmark for Embodied Mind, Physical Action, and Mind-Action Composition in Robotic Manipulation
Daily Papers 收录于

测试从同一批物理操作中拆出三件事:记住之前看到的情况、精确完成动作、根据动作的结果继续决策。30 项模拟任务各有三个难度和两种场景,总计 180 种配置。研究者因此能追查一段失败究竟始于哪一步。

论文里表现最强的智能体在单测决策时成功率为 52.7%,单测执行为 39.0%,两者串起来只剩 12.0%。有的系统记得任务进行到哪里,接触物体的动作却维持不住。三组成绩来自模拟环境,不能当作真实机器人在工厂的通过率。

读这张成绩表还有一个容易忽略的条件。研究团队让部分智能体推理时暂停模拟器,因此页面上精确定时的成功动作,并不意味着同一系统跟得上真实物体的移动速度。团队把这些系统与快速响应的端到端策略分榜报告,比较时要连同计时规则一起看。

原始资料