XDOF 具身基准：四大 LLM Agent 总分最高仅 19%
mihdalal · x · 2026-10-22
一张 XDOF 基准测试结果表显示，Astra、Fable、Sol、Opus 四个 LLM agent 在一系列真实物理任务上的表现普遍不佳：Overall 成功率分别仅为 17%、9%、19%、12%。
- 任务包括取回够不着的毛绒玩具、扶起倒下的瓶子、用夹子夹面包、扫垃圾、系结、叠高积木等
- 最简单的「取回远处物品」最高也只有 86%(Fable)，多数任务成功率低于 20%
- 「整理餐具」「托盘上麦片」「系结」「展开T恤」等任务四家全部 0%
- 测试设置：每个 agent 最多 30 分钟，每任务 25-30 次评分运行
发帖人指出表中未见 Argon。整体说明当前 LLM agent 在真实物理操作任务上仍远未可用。
「具身」频道最新
- 首批搭载NVIDIA全自动驾驶方案的奔驰量产车实乘体验 — HarperSCarroll · 2026-10-22
- 马斯克：Austin Cybercab 车队一个月内扩张 10 倍 — XFreeze · 2026-10-22
- CMU 论文提出求解器充分符号化，降低机器人混合规划成本 — Yiyuan Pan · 2026-10-22
- CoRL 2026 前夜:Samsung Next 携 NVIDIA、CoreWeave 办机器人创业者之夜 — wandb · 2026-10-22
- Generalist AI 展示 GEN-1.5 机器人自主码放 12 个冰球 — mihdalal · 2026-10-22
- NVIDIA 发布 Cosmos 交互式世界模拟，实时流式服务机器人训练 — CSProfKGD · 2026-10-22