机器之心 (微信公众号)T2·基座大模型
78 分
清华大学 mmlab@SIGS 联合远行光年等 16 家机构发布通用机器人操作诊断基准 Mind2Act World,包含 30 项任务、180 种配置,将「想」与「做」分开考核再组合评测,并为失败回合逐一归因。首批评测覆盖 9 个系统、56,700 个仿真回合,最佳 Agent 在纯推理任务成功率 52.7%、纯执行 39.0%,而需边想边做的组合任务仅 12.0%,端到端策略最高 3.6%。
世界动作模型代表系统,在基准中暴露动作时序确认缺失问题
清华大学 mmlab@SIGS 联合远行光年等 16 家机构发布通用机器人操作诊断基准 Mind2Act World,包含 30 项任务、180 种配置,将「想」与「做」分开考核再组合评测,并为失败回合逐一归因。首批评测覆盖 9 个系统、56,700 个仿真回合,最佳 Agent 在纯推理任务成功率 52.7%、纯执行 39.0%,而需边想边做的组合任务仅 12.0%,端到端策略最高 3.6%。