RobotAgentBench 发布：VLA 会操作不等于能自主，任务发现是短板

Lingjun Mao 团队推出 RobotAgentBench，评估开放世界家庭环境中机器人的自主性，检验 VLA/WAM 策略与多种 agent harness 的协作。基准覆盖任务发现、上下文推理、操作能力、失败恢复与鲁棒性五个维度，用四个开放式家庭场景测试。核心发现是「操作 ≠ 自主」：独立 VLA/WAM 策略在任务发现和上下文推理上明显挣扎。