Meta推HumanCLAW基准：顶级VLM缺乏身体感知

Meta联合南洋理工、华盛顿大学等机构推出了全新具身智能基准HumanCLAW，旨在评估视觉语言模型（VLM）的“行动智能”。该测试巧妙地将动作决策与运动控制解耦，以探究模型指挥物理身体执行任务的能力。测试结果显示，当前最顶级的VLM在身体感知与行动决策上表现不佳，成功率仅为16.8%，暴露出模型在具身交互上的巨大缺陷。

2026-07-30 ~ 2026-08-01 · 3 条相关

• 具身智能新测试：顶级 VLM 缺乏身体感知，成功率仅 16.8% — metaresearch · 2026-07-30
• Meta发布具身智能新基准HumanCLAW，最强VLM通过率仅16.8% — liuziwei7 · 2026-07-30
• Meta等推HumanCLAW：当前最强VLM竟不会指挥身体行动 — liuziwei7 · 2026-08-01