Meta 发布 HumanCLAW:VLM 具身行动智能基准,1218 项任务全面翻车
wzenus · x · 2026-09-08
Meta、南洋理工、华盛顿大学等机构联合发布 HumanCLAW，追问一个新问题：VLM 能否驱动身体行动？（能否发现沙发并走过去坐下？）作者称之为「行动智能」（Action Intelligence），并将其与运动控制解耦以便单独测量——冻结的 VLM 每 0.5 秒从第一人称视角选择一个参数化全身技能，预训练动作生成器将其转为连续动作，身体不会摔倒，失败即决策失败。
基准覆盖 41 个室内场景、1218 项长时程任务，当今最强模型表现「出奇地差」，典型失败模式包括：
- 低效探索：认得目标却从不把它带入视野；
- 看得见沙发却走不到：撞墙、脚卡家具、碰倒物品等空间推理失败。
论文、代码与排行榜已开源。
「具身」频道最新
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26
- Luke Wroblewski 细节控：iPhone Duo 圆角复刻初代 iPhone — LukeW · 2026-10-26
- 人形机器人两年跑赢人类：半马破纪录、百米超博尔特 — ben_j_todd · 2026-10-26
- 人形机器人每一步都是连续纠偏：看 demo 要看摔倒后怎么恢复 — Olivier__OG · 2026-10-26
- CircuitHub 发布工厂级机器人 The Grid，美国产 PCB 提速两倍对标深圳 — garrytan · 2026-10-26
- 上海AI实验室等发布 100 小时可穿戴采集人形机器人训练数据集 — ChuckDBrooks · 2026-10-26