跳到正文
arXiv · 机器人与计算机视觉· Youmna Farag, Svetlana Stoyanchev, Simon Keizer, Mohan Li, Rama Doddipatla·· 29 天前AI 评分48

CAPSafe:具身智能体情境动作与计划安全推理基准评测

CAPSafe: A Benchmark for Contextual Action and Plan Safety Reasoning in Embodied Agents

AI 导读

CAPSafe 是首个评估具身智能体在复杂危险家庭任务中安全推理能力的基准,包含测试单步动作安全性的行动级数据集和评估长程规划的计划级数据集。对九款闭源及开源大语言模型的评测显示,最佳模型识别不安全动作准确率超 90%,但 Gemini-3-pro 以 78.19% 的最高成功率仍难完全解决长序列安全规划难题。该研究揭示了从危险识别到稳健长期规划之间存在显著差距,相关预印本已公开于 arXiv。

来源:arXiv · 机器人与计算机视觉 · arxiv.org