Seeing What Matters: 基于任务条件的可操作空间信念基准测试

该论文提出了Seeing What Matters基准，用于评估机器人在模拟桌面操作中的任务条件可操作空间信念。基准涵盖咖啡工作站、抽屉/柜子和微波炉/电器三个领域，提供860个冻结评估案例。研究显示，参考管道在主要预算设置下达到98.8%的闭环可操作性和98.9%的功能OOD泛化成功率，而七种视觉语言模型仅达到26-43%的成功率。