Aether AI 与 UCSD 发布 RobotAgentBench：评测机器人开放世界自主能力
它把评测从“执行一条明确指令”推进到“自己发现该做什么”，结果显示单独的策略模型几乎无法自主推进开放任务，加上规划与验证的智能体框架后提升明显。
Aether AI 与 UC San Diego 提出 RobotAgentBench，一个面向开放世界机器人自主能力的评测基准：基于 50 种仿真家庭布局，覆盖 90 项原子任务、18 项短程任务、8 项长程任务和 4 类开放式场景，比较独立 VLA（视觉语言动作模型）策略与多种机器人智能体架构的表现。
正文摘录
.jpg)  「朋友马上来家里做客，帮我准备一下。」 面对这样的请求，机器人应该先做什么？收拾桌面、准备饮料，还是整理沙发？客人有什么偏好？如果东西没抓住、物体被挪走，机器人又能否发现问题，调整计划，继续完成准备工作？ 这些对人类而言自然的判断，构成了家庭机器人走向实际应用时必须面对的挑战。近年来，视觉语言动作模型（VLA）和世界动作模型（WAM）不断提升机器人的操作能力，以 GPT-6 Astra 为代表的大模型则为任务规划与执行纠错提供了新的可能。 但从完成一条明确指令，到根据用户需求自主推进一系列任务，仍然存在明显距离。 围绕这一问题，来自 Aether AI 和 UC San Diego 的研究团队提出 RobotAgentBench（RAB）：一个面向开放世界机器人自主能力的综合评测基准 。它以真实家庭为起点，构建 50 种家庭布局、90 项原子任务、18 项短程任务、8 项长程任务和 4 类开放式场景，系统比较独立 VLA/WAM 策略与多种机器人智能体架构。