跳到正文
arXiv · 机器人与计算机视觉· Aoyang Cai, Boning Zhao, Shaoxuan Xie, Dahui Gao, Huan Yang, Zhongyuan Wang, Zhiwei Yu, Guocai Yao·· 2026-10-06AI 评分63

EMBER-Bench:长程具身任务的跨事件因果记忆评测基准

EMBER-Bench: Benchmarking Cross-Event Causal Memory in Long-Horizon Embodied Tasks

AI 导读

作者构建了 EMBER-Bench 基准,包含 189 个家务任务和 699 对问答,涵盖任务进展、故障恢复及外部干预等场景,并标注了细粒度事件与因果链。评测显示最高模型准确率仅为 61.2%,且历史回溯正确性与下一步动作预测无关联,表明从过去事件中提取因果信息并将其转化为当前行动约束仍是长程具身智能的关键难题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org