从推理到行动：前沿 AI 模型在 LIBERO-10 上
来自 arXiv · 期号 2026-10-22
摘要
前沿 AI 模型在视觉理解、推理和工具使用上进步很快，但它们在标准化机器人操作基准上的表现一直缺少系统评估。 这篇论文提出了一个统一的闭环操作框架，让模型直接通过视觉、机器人本体感知和结构化工具调用来控制机器人，无需针对任务微调。在 LIBERO-10 基准上，他们测试了 GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna、Claude Opus 5、Claude Opus 5.5 和 Gemini-4 Argon 六个模型，每种模型跑三个推理努力级别，共 1800 次评估。 GPT-6 Astra 以 44% 的成功率最高，Gemini-4 Argon 以 43% 紧随其后。提高推理努力通常能提升操作表现，但收益因模型而异，且会带来额外的推理成本。模型在物体放置任务上表现尚可，但在精确空间排列和复杂多步交互上明显吃力。 论文附带了评估框架和实验结果，供后续研究使用。