RoboSPA

新的RoboSPA基准测试VLA模型在复杂机器人推理能力

研究人员推出了RoboSPA，这是一个新的数据集和基准，旨在评估机器人领域中视觉语言动作（VLA）模型具身推理能力。RoboSPA专注于细粒度的空间推理和长时序程序规划，呈现出跨越多个难度级别和具身形式、复杂度递增的任务。对当前VLA模型的初步实验表明，在处理复杂空间关系、精确执行和内存密集型规划方面存在显著挑战，凸显了对更先进具身智能体的需求。