RobotAgentBench 发布：操作不等于自主

2026 年 10 月 28 日，Lingjun Mao 团队发布 RobotAgentBench，用于评估开放世界家庭环境中机器人的自主性，检验视觉-语言-动作（VLA）与人类世界模型（WAM）策略与多种 agent harness 的协作表现。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进行测试。核心发现被概括为「操作不等于自主」：独立运行的 VLA/WAM 策略在任务发现与上下文推理两个环节明显吃力，说明会操作并不代表能自主完成任务。报道称，任务发现是当前短板。

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。