新基准MolmoSpaces-CommonSense评测操作策略常识推理

Arjun Guru、Max Argus、Jae Sung Park、Jiafei Duan、Ali Farhadi、Ranjay Krishna 提出并发布机器人操作常识推理基准 MolmoSpaces-CommonSense，用于评估操作策略对遮挡、容器、支撑关系、语义正确抓取点、空间可供性和隐藏物体的推理。该基准基于发展认知科学构建推理过程分类体系，要求策略既识别场景结构又执行正确动作。 作者称，现有仿真基准多集中于较干净、杂乱有限、任务结构狭窄的环境，许多常识推理形式未被测试。对多种零样本通用操作策略的评测显示：随干扰物增加，杂乱场景成功率下降超过 50%；策略在杂乱环境中约 30% 的时间作用于错误物体；即使给出高度具体的语言提示，可供性敏感抓取仍不可靠，正确选择物体部位的比例仅约 50%。 作者还称，基于视觉语言模型（VLM）的成功判定难以可靠评估这些场景下的执行过程，认为挑战超出控制层面，涉及感知—推理—动作全链路。该工作为 arXiv 预印本，未经同行评议。

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。