RoboWild 基准发布:最强模型真实环境机器人任务准确率仅 13.3%
taoyds · x · 2026-11-21
OSWorld 团队时隔两年推出 RoboWild,首次系统测试前沿模型在真实野生环境中的机器人使用能力:
- 规模:38 个真实家具场景(家庭、商店、车间、实验室),4,480 个带可操作门、旋钮、抽屉的物体,341 个任务,覆盖 4 种机器人本体
- 结果:Claude Fable 5.2 最高准确率仅 13.3%,GPT-6 Astra 更省 token 但停滞在 11.6%——与 OSWorld 中数字世界任务的快速进步形成鲜明反差
- 结论:从数字 agent 到物理世界机器人 agent 仍远未解决,物理交互是下一个前沿
「具身」频道最新
- 开发者用CLAD+Claude一天做出钢铁侠/末日博士切换AR镜片 — Scobleizer · 2026-11-21
- 前 OpenAI 研究负责人 McGrew:超级智能必须落地物理世界才能提升生活水平 — minimario1729 · 2026-11-21
- 开发者把 VR-teleop-kit 移植到 Ulixarm 机械臂 — DominiqueCAPaul · 2026-11-21
- 苏黎世 Agentic Robotics Night:两创始人对谈自主机器人最难开放问题 — DominiqueCAPaul · 2026-11-21
- Nous 黑客松亚军:旧手机变房间语音助手,唤醒响应仅2.6秒 — NousResearch · 2026-11-21
- 双机器人串联实测:单机一天的运行数据不代表真实产线可靠性 — lavanyaai · 2026-11-21