团队发布 RoboSPA 机器人数据集与基准
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究团队发布了 RoboSPA 数据集与基准，用于评估视觉-语言-动作模型的具身推理能力。该数据集聚焦细粒度空间推理和长视程序规划，包含 10 个任务类别和 56 个基础任务。每个任务设有 5 个难度等级，共产生 280 个变体，收集了 52.7 万条轨迹。测试显示现有模型在处理复杂空间关系、精确底层执行及密集记忆规划方面仍存在困难。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载两个维度切分难度
RoboSPA 把评测拆成两条主线：细粒度空间推理与长程流程规划。围绕这两条主线，数据集划出 10 个任务类别、56 个基础任务。每个基础任务再按五档难度展开，最终形成 280 个变体，难度提升体现在空间歧义增多与流程步骤变长两个方面。这样的组织方式让同一件任务在不同复杂度下被反复检验，而不是只在一个预设场景里判断成败。
52.7万条轨迹的采集
数据规模上，RoboSPA 汇总了 52.7 万条轨迹，覆盖多种具身形态与不同场景。轨迹数量与前述 280 个变体相配合，使每个难度档位都能获得足够的样本支撑。与只记录任务是否完成的传统做法相比，这批数据保留了过程信息，为后续按维度拆解模型表现提供了基础。
成功率之外的诊断指标
RoboSPA 在二元成功率之外增设了诊断类指标，用于观察模型在哪一环失手。论文给出的实验结果显示，代表性 VLA 模型在复杂空间关系、精确的底层执行以及需要记忆支撑的规划上仍有明显短板。这些结论并非来自单一总分，而是来自分维度、分难度的测量，因此能指出能力缺口的具体位置。
对使用者的意义
对关注具身智能的研究者而言，RoboSPA 提供的是一套可复现的诊断工具：数据与代码已公开，任务按难度分层，指标可细化到具体能力项。它并不宣称给出新的模型方案，而是把评测门槛抬高，让简单场景与短程任务之外的差距暴露出来。论文已被 EMNLP 2026 主会接收，归入机器人学、人工智能与计算机视觉等分类。
为什么值得看
提供了大规模、多难度的机器人操作基准，揭示了 VLA 模型在复杂场景下的短板。
数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。