HexaShell：机器人编码智能体的通用测试框架

Hongcheng Gao 等作者在 arXiv 提交预印本，提出任务无关的轻量工具框架 HexaShell，用来检验通用工具能让基于视觉语言模型的机器人编码智能体走多远。作者设计了 14 个基础工具（4 个运动、5 个感知、5 个状态），智能体每轮在一个 Python 单元中调用；感知部分把 SAM 3 与 NumPy、OpenCV 几何结合，将多相机轮廓或深度图转成物体位置、尺寸和抓取角度。 同一套代码在三个仿真器、两种机械臂上的四个仿真基准和真实机器人上运行。作者称，使用 GPT-6-Astra 且不提供任务特定输入时，HexaShell 在 RoboDojo、RoboCasa365、LIBERO-PRO 和 RoboTwin 2.0 上的成功率分别为 69.9%、59.3%、78.3% 和 82.2%；在真实双臂机器人上，九个任务共 90 个回合中成功 76 个。 作者称，接入新仿真器或机器人只需 350 至 1450 行适配器和一段描述其世界的提示，唯一的任务特定输入是约一页的可选技能说明。上述结果来自预印本，尚未经同行评议或独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。