RobotWorld：跨任务与机器人形态的多模态Agent评测

通用Agent越来越多地编写代码、使用工具并完成复杂的数字任务，从而提出了这些功能在物理世界中的应用程度如何的问题。为了研究这个问题，我们引入了 RobotWorld，这是一个具有挑战性的机器人使用模拟测试平台：通过机器人接口将指令和观察结果转化为物理任务执行。它的 84 项任务涵盖操纵、移动操纵、运动、驾驶和空中控制，具有明确的交互预算和可执行的成功检查。通过分析任务结果和执行轨迹，我们可以识别转移的能力和妨碍可靠完成的差距。此外，我们发现当前的Agent可以构建复杂的感知和控制工作流程，包括图像分割、相机校准、空间估计和基于动力学的计算。然而，这些能力并不能始终构成成功的行为：尽管达到了命令的姿势，Agent仍会丢失与任务相关的对象状态，无法纠正无效的动作，恢复得太晚，或者 将未完成的任务误认为已完成。这种不均匀的转移在不同模型上也有所不同：Astra 在空间和受限接触目标上更容易取得成功，而 Opus 5.5 在连续平衡和定时交互目标上更容易取得成功。通过将这些结果与执行行为联系起来，RobotWorld 提供了严格的试验场和对剩余能力差距的实证解释，从而为训练和设计更可靠的物理世界Agent建立了具体目标。