Mini-BEHAVIOR-Gran：揭示指令粒度对语言引导具身智能体的U形效应

指令粒度是语言引导具身AI中重要却缺乏良好控制的变量。现有基准通常为每个任务配一条静态指令，难以研究同一任务以不同细节程度描述时智能体行为如何变化。我们提出Mini-BEHAVIOR-Gran，一个用于指令粒度受控研究的新基准，它扩展Mini-BEHAVIOR，为每个任务提供多条指令变体，从高层目标描述到逐步指导。利用该基准，我们比较了四种跨任务粒度量化的候选指标：token数、实体数、动作动词数和规划宽度（planning-width），发现规划宽度与智能体性能的相关性最稳定。用规划宽度来组织训练与评估进一步揭示，指令粒度与性能之间存在非单调的U形关系，在细与粗两端均出现峰值。进一步分析表明，粗粒度下的性能回升与浅层落地（shallow grounding）有关，即智能体学到以视觉为主的策略。