【5001拉斯维加斯】RobotAgentBench：评测机器人开放世界自主决策水平

需求理解：机器人需自主发现并规划家庭任务

用户提出高层请求后，机器人必须先观察周围环境，再结合上下文推断出相关子目标，并把这些目标转化为连贯动作序列。

在整个过程中，系统还要实时监测执行状态，一旦出现偏差便立即调整后续步骤。

RobotAgentBench为此设计了操作、发现、推理、恢复与鲁棒性五个维度，覆盖从简单抓取到多步交互的各类家庭活动。

5001拉斯维加斯 研究团队以此为基础构建了包含长程场景的完整评测体系。

环境搭建：从真实住宅生成50种交互布局

研究人员采用real-to-sim流程，先在真实居室采集空间数据，再通过智能体辅助与人工校验重建仿真场景，并扩展出多样化家具与光照变化。

50种布局覆盖不同房间结构与物体位置，确保评测能考察机器人面对熟悉物品移位或光线改变时的适应表现。

框架设计：整合规划执行与验证的多类智能体

基准采用统一循环结构，让规划器拆解需求、执行器完成物理动作、验证器检查结果并反馈修正。

实验对比了纯学习策略、纯代码控制、混合执行以及加入递归自我改进的方案，考察不同组件组合对整体表现的影响。

结果分析：独立模型在任务发现上仍存明显短板

单独VLA或WAM策略在开放场景中往往长时间停滞，任务发现得分极低，难以主动启动系列操作。

引入代码智能体后，混合配置在任务级平均分与场景综合得分上均取得最高值，显示系统级设计可有效弥补底层策略不足。

持续优化：递归改进提升执行经验积累

通过多轮反馈迭代，智能体逐步优化可复用控制函数并降低停滞比例，任务完成度随之提高。

真实家庭测试显示仿真排名基本保持一致，但物理交互复杂性仍会放大现有系统的局限，5001拉斯维加斯 后续工作将继续探索从仿真到实物的迁移路径。