8 校联合发布 EFE:1156 任务统考编程智能体操控机器人

机器之心 · wechat · 2026-11-22

西北大学、卡内基梅隆大学等 8 所高校团队发布 EmbodiedFirstExam(EFE),用统一框架评测编程智能体控制仿真机器人的能力,论文与代码均已公开。

设计原则与规模

核心发现

失败归因

为 427 个任务编写任务图,把失败定位到具体阶段;约四分之一测试中八成以上失败集中在同一阶段。连续接球任务中十个智能体全部失败,ClaudeOpus5.5 估算接球窗口仅 1.3-1.6 秒而摆正杯子需约 1.4 秒。

局限:每项只考一次,标注者 GPT-6.1Sol 本身也是受测智能体且与部分模型同系列。

原文链接 →

「具身」频道最新

更多「具身」频道 AI 资讯 →