实证研究:闭源 VLM 全面领先机器人任务,开源模型规划能力掉队
Haojian Huang · hf · 2026-11-04
港科大(广州)、港中文与 Knowin AI 团队发布 Embodied Agent Arena 基准,检验前沿视觉语言模型(VLM)能否胜任「机器人通才」。
- 基准覆盖 几何、空间推理、可供性、任务规划、操作 五大领域,共 1000 个案例,含 32 个既有数据源与自建的 168 案例 GeoProbe 相机/运动/深度/尺度估计基准
- 评估了 10 个 VLM agent,采用最小化 harness,把任务决策交给模型本身
- 闭源模型在全部五个领域领先,开源 VLM 虽有可用的空间推理,但规划与操作成功率显著更低
- 失败模式分析显示:相似的平均几何错误背后隐藏着不同的尺度与形状失真,有效的区域估计未必指向可用的动作点
「具身」频道最新
- 伯克利团队提出 Value Forcing:在每个噪声层级强制 Bellman 一致性 — berkeley_ai · 2026-11-04
- 黑客马拉松 22 个 SAM 3.1 用例: wildfire 定位到文档修复 — Vjeux · 2026-11-04
- OpenAI 前机器人实习生上 Cerebras 播客,拆解爆火 Astra 机器人绘画 demo — AccBalanced · 2026-11-04
- PrimeBot 发布 PrimeSim:跨本体大规模演示训练的通用世界模型模拟器 — Travis Davies · 2026-11-04
- 旧金山本周末办 Physical AI 黑客松：Dream-1 世界动作模型零样本任务+万元奖金 — Scobleizer · 2026-11-04
- Figure 机器人办公室演示片曝光，CEO 称场景如科幻电影 — adcock_brett · 2026-11-04