arXiv · cs.RO· Yanzhe Chen·· 4 天前精选AI 评分75
多模态具身智能体：从计算机使用到机器人使用的统一能力视角
Multimodal Embodied Agents: A Unified Capability-centric Perspective from Computer-Use to Robot-Use
AI 导读
本文提出多模态具身智能体(MMEAs)概念，定义了PAPAV统一框架，包含感知、预测、规划、行动和验证五大功能。研究分析了从计算机使用到机器人使用的转变面临的五大物理约束，并指出当前64个基准测试中仅有5个评估预测能力，3个评估验证能力，存在评测不平衡问题。
推荐理由
从计算机使用到机器人使用的多模态智能体转变面临五大物理约束，当前评测过度关注执行而忽视预测与验证能力。
来源：arXiv · cs.RO · arxiv.org