MulRobBench

新基准 MulRobBench 测试无人机代理的安全和安保策略决策

研究人员推出 MulRobBench，这是一个旨在评估智能城市环境中多模态无人机 (UAV) 代理的新基准。该基准侧重于决策，整合了真实的无人机观测、安全策略和网络物理安全约束。MulRobBench 旨在评估这些代理在退化条件和模糊指令下的运行能力，将语义评分与策略合规性和不安全行为识别等结构性诊断相结合。初步评估显示，即使是表现最好的多模态模型，语义协议-决策得分也仅为 0.5141，凸显了在实现自主无人机可信决策方面存在的重大挑战。