发布RoboColiseum跨模型具身评测研究

Da Huang 等人在 RoboColiseum 上对 GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5 和 Gemini 4 Argon 四个前沿多模态大模型开展跨模型具身能力评测，并提出 Agent2Act 控制框架，通过共享的观测、动作执行与反馈接口把四个模型接入评测环境。评测覆盖指令跟随、空间推理、通用操作和鲁棒性四个赛道。 论文称，在统一任务设置与评分标准下，四个模型呈现一致的能力画像；在所评测的配置中，Astra 在指令跟随与鲁棒性上领先，Opus 在空间推理、通用操作及总体表现上领先。在选定任务上的组件对比显示，控制框架（harness）设计会影响任务成功率、规划开销与执行时间。论文另以 Astra 做案例研究，考察全身协调、跨机器人本体操作、精细操作、灵巧手操作和真机任务。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。