RoboGaze机器人世界模型评估器与基准发布

Minh-Loi Nguyen等作者提出并发布 RoboGaze，一个免训练的多智能体视觉语言模型（VLM）评估器，用于评估机器人世界模型。据作者介绍，它先将任务与场景落地，把子任务路由给各维度专家，再由 critic 校验结果，最终输出定位到具体时间点的诊断报告，说明失败内容、时间、原因和严重程度。 该评估器采用包含 6 个维度和 30 种失败类型的框架，作者称已测量这些标注的可靠性与覆盖范围。与评估器一同发布的还有 RoboGazeBench 基准。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。