当机器人走出预设任务：RobotAgentBench全面评测机器人的开放世界能力
「朋友马上来家里做客，帮我准备一下。」
面对这样的请求，机器人应该先做什么？收拾桌面、准备饮料，还是整理沙发？客人有什么偏好？如果东西没抓住、物体被挪走，机器人又能否发现问题，调整计划，继续完成准备工作？
这些对人类而言自然的判断，构成了家庭机器人走向实际应用时必须面对的挑战。近年来，视觉语言动作模型（VLA）和世界动作模型（WAM）不断提升机器人的操作能力，以 GPT-6 Astra 为代表的大模型则为任务规划与执行纠错提供了新的可能。 但从完成一条明确指令，到根据用户需求自主推进一系列任务，仍然存在明显距离。
围绕这一问题，来自 Aether AI 和UC San Diego 的研究团队提出 RobotAgentBench（RAB） ：一个面向开放世界机器人自主能力的综合评测基准。 它以真实家庭为起点，构建 50 种家庭布局、90 项原子任务、18 项短程任务、8 项长程任务和 4 类开放式场景，系统比较独立 VLA/WAM 策略与多种机器人智能体架构。
实验结果显示：独立的 VLA 和 WAM 策略模型在自主发现任务、理解情境等方面仍面临明显困难，而引入整合规划、执行与验证的智能体框架（agent harness），能够显著提升机器人的综合表现。其中，结合代码控制与学习策略的混合执行方案，在所评测配置中取得了最高的任务级平均分和开放场景综合得分。此外，递归自我改进（RSI）使智能体能够根据执行反馈持续优化控制工具、积累经验，在多轮迭代中进一步提升任务表现。
项目主页：https://aetherlabsai.github.io/RobotAgentBench/
代码地址：https://github.com/AetherLabsAI/RobotAgentBench
模型地址：https://huggingface.co/AetherLabs-AI/InternVLA-A1.5-RAB
论文标题：RobotAgentBench: Towards Open-world Robot Autonomy
论文链接：https://arxiv.org/abs/2610.34649
社区链接： https://aetherlabsai.github.io/RobotAgentBench/ #community
一、从「执行指令」到
「自主完成用户需求」
假设用户说：「Emma 今天要出门办公，外面正在下雨，帮她准备一下。」
这里没有逐项列出的操作清单。机器人需要观察环境，结合出门、办公与天气信息，判断哪些任务与当前需求相关，再把判断转化为实际行动。在执行过程中，它还要不断检查结果，根据变化重新作出决策。
RobotAgentBench 将这些要求拆解为 五个互补维度 ：
操作能力 ：把明确指令转化为正确的物理动作。
任务发现 ：主动观察环境，识别当前情境下需要完成的任务。
情境推理 ：结合上下文和用户需求，判断任务应当如何完成。
失败恢复 ：识别操作失败，并自主采取补救行动。
鲁棒性 ：适应环境中的意外变化和外部扰动。
在任务级评测中，这些能力通过专门设计的任务分别接受检验。任务覆盖准备咖啡、收纳物品、加热食物、铺桌布、擦拭桌面等家庭活动，既涉及局部操作，也包含多步骤执行。
在场景级评测中，RobotAgentBench 进一步设置准备晚餐、招待客人、准备出门和整理房间四类 开放式场景 。机器人接收高层需求，自主探索环境、识别相关任务，并安排执行过程。由此，评测 从单项能力延伸到多种能力能否在一个持续运行的闭环中协同工作 。