LAAS-CNRS发布MAGMA-Bench长程多机器人具身智能体基准

法国LAAS-CNRS研究团队（Loan Bernat等）在arXiv发布MAGMA-Bench，一个架构无关的基准，用于评估具身智能体在动态多机器人环境中对持久任务的长时程推理，覆盖逐步增加的任务时长、执行失败、任务中断和任务更新。 团队同时发布了基准本身、261,646条任务级训练样本，以及一个架构无关的专家轨迹生成流程。测试对象包括本地部署的开源权重规划器、多智能体状态跟踪策略和前沿模型。 论文称，即使最强模型在无扰动的干净任务中也在相当比例的回合上失败；在线扰动会进一步降低成功率；监督适配虽显著改善小模型表现，但在更长时程和多机器人任务上仍明显受限。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。