具身智能评估 LLM-DailyDigest 2026-08-30 2026-08-30 约 100 字 预计阅读 1 分钟 具身智能评估 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 世界模型评测 1 HarnessEval-W：智能体化视觉世界模型评测 08-19 具身基础模型 1 GPT-6-Astra具身智能评测：具备能力但尚未达到实用门槛 10-20 具身智能评估 1 EBench评测前沿智能体：从直接控制到策略调用 10-27 具身智能评测 1 DeepInsight II：从基准到真实机器人的统一评测轨迹 08-18 具身规划 4 前沿 AI 模型在 LIBERO-10 机器人操作任务上的评测 10-22 VCN-Bench：基于既往视频经验的空间导航推理基准 09-30 VA-Bench：评测具身空间智能的感知—推理—行动闭环 09-19 RoboSPA：面向复杂空间与长程任务的 VLA 评测基准 09-07 安全评测 1 RT-SAFE：实时具身智能体安全评测基准 10-08 持续学习 1 EmbodiedCLBench：评估自我进化具身智能体的持续学习能力 10-18 提示注入评测 1 MobileWorldSafety：Android GUI 智能体环境注入安全基准 08-19 数据开放 1 EgoSuite-Open100K：10万小时人类行为数据开源 08-25 智能体评测 5 GenXR-Bench：交互式 XR 开发的编程智能体评测基准 10-22 RobotWorld：跨任务与多机器人形态的多模态智能体评测基准 10-08 DrivingBench：视觉语言模型能否驾驶真实丰田汽车 10-01 DrivingBench实测大模型驾驶丰田卡罗拉 09-28 DroneCATS：评估多模态 LLM 的通用无人机控制能力 09-03 模拟评测 1 WorldSimProbe：首个动作条件世界模型评测系统 08-24 测试时训练 1 VLA 机器人执行误差的自我补偿与压力测试 10-08 规则规划 1 RuleMaze：多模态模型的规则约束视觉空间规划 08-21 记忆能力评测 2 浙大提出具身长程记忆基准 EMem-Bench 10-19 超越成功率：视觉-语言-动作系统的记忆干预评测 10-19 评测基准 4 SpatialScout：VLM 智能体主动探索与三维场景建图基准 10-23 RoboColiseum具身评测：Opus 5.5综合领先，精细操作仍是短板 10-21 VA-Bench：大模型空间理解与具身执行存在明显断层 10-08 CoHuB：多类人机器人协作仿真基准 09-30
