斯坦福2026 BEHAVIOR挑战赛更新与仿真基准发布

斯坦福 2026 BEHAVIOR 挑战赛正式进入第二年，赛事规则与底层基础设施均迎来大幅升级。据 @drfeifei 介绍，本届赛事聚焦真实生活中的长时程复杂任务，要求系统具备规划、目标检测、物体操作和失败恢复能力。挑战赛不仅是一次竞赛更新，更成为观察具身智能泛化能力的重要窗口。

关键更新与数据扩容

2026 版赛事仅设单一官方赛道，且严格限定只能使用机器人本体观测进行测试，具体包括 RGB、Depth 和 proprioception。在任务规模上，长程家庭任务从上一年的 50 个直接翻倍至 100 个，每个活动平均时长约 6 分钟，全面覆盖导航、规划、记忆与双臂协同操作。同时，官方新增约 20,000 条演示数据，其中包含 1,950 小时的人类遥操作记录，每个任务配有 200 个演示以及丰富的语言标注。值得注意的是，上一届挑战赛中最佳方案的完整任务成功率仅为 12%，凸显了当前技术瓶颈。

核心研究问题

按 @drfeifei 的概括，本届挑战赛旨在回答几个具身智能的核心问题：当前模型能否真正完成完整的、以人为中心的家庭任务；机器人的控制、记忆和规划应如何结合；现有模型会在什么样的泛化场景中失败；以及具身 AI 里哪些能力或因素是真正可扩展的。

引入 BEHAVIOR-1K 仿真基准

团队同步发布了开源仿真基准 BEHAVIOR-1K，包含 1,000 个日常家庭任务。由于真实世界的机器人实验很难实现大规模、可控且可复现的评测，引入该仿真基准旨在补足评测能力，专门测试机器人模型在长时程规划、导航和双臂操作上的泛化能力。

2026-07-14 ~ 2026-07-14 · 9 条相关

一手来源

另有 1 条近重复转述:DavidmComfort