通过工具实现可扩展的体现能力

大多数现有的具身智能方法在统一的参数化策略中制定感知、推理、规划和控制。然而，这些功能本质上是分层的和异构的，使得它们难以在单个模型中可靠地学习和模块化。我们提出了一种能力外部化方法，将异构能力解耦为独立优化的工具，并在推理时动态调用。为此，我们引入了体现工具协议（ETP），这是一种用于体现工具注册、发现、调用和执行的标准化协议，并策划了 100 多个涵盖感知、认知、推理和执行的经过验证的工具作为工具库。在此基础上，我们构建了 EmbodiedToolBench 来评估工具增强是否提高了具体性能，以及当前模型在工具必要性识别、工具选择、工具执行和工具链组成方面使用工具的情况。跨模拟和现实世界平台的实验证实，能力外化持续提高体现性能（EB-ALFRED 平均增益 31%，EB-Navigation 平均增益 36%），但揭示了一个清晰的界限：认知和感知的增益是巨大的，但执行类型的能力的增益有限。此外，我们的分析表明，了解何时、哪些以及如何调用工具仍然是所有模型中持续存在的挑战，从而强调体现工具能力是未来研究的关键方向。