前沿 AI 模型在 LIBERO-10 机器人操作任务上的评测：从推理到行动
From Reasoning to Action: Benchmarking Frontier AI Models on LIBERO-10 Robot Manipulation Tasks
AI 导读
一项研究构建统一闭环评测框架，在 LIBERO-10 基准上测试六个前沿 AI 模型的机器人操作能力，共 18 种配置、1,800 次评估，无需任务特定微调。结果显示 GPT-6 Astra 以 44% 成功率居首，Gemini-4 Argon 达 43%，提高推理力度普遍有助表现但增加推理成本。模型在物体放置任务上表现较好，但在精确空间布局和复杂多步交互上仍吃力。
来源：arXiv cs.AI · arxiv.org