前沿视觉语言模型智能体是否已准备好成为机器人通用专家？基于具身智能竞技场的实证研究

研究团队引入具身智能竞技场(Embodied Agent Arena)，评估了十个视觉语言模型智能体在几何、空间推理、功能 affordance、任务规划和操作五个方面的表现。测试包含1000个案例，结合了32个已建立的数据源和GeoProbe基准测试。结果显示闭源模型在所有五个领域领先，而开源视觉语言模型展示了有用的空间推理能力，但在规划和操作成功率上明显较低。