RoboCerebra

RoboCerebra (A Large-scale Benchmark for Long-horizon Robotic Manipulation Evaluation)进阶

评测机器人长程操作中规划、反思与记忆能力的大规模仿真基准。

北京航空航天大学、新加坡国立大学、上海交通大学等的研究者 2025 年 6 月发布，入选 NeurIPS 2025。它关注「System 2」式的慢思考能力：先用 GPT 生成家务类长任务并拆成子任务序列，再由人在仿真中逐步执行，得到 100 个任务变体、1000 条人工轨迹，平均每条约 2972 个仿真步，论文称约为已有长程操作数据集的 6 倍，并附子任务时间段标注。测试任务分六类：理想、随机干扰、观测不一致、记忆探索、记忆执行和混合，场景会在执行中途变化。配套的分层框架用视觉语言模型（VLM）做高层规划并存入记忆，用 OpenVLA 做底层动作执行；论文借此比较 GPT-4o、Qwen2.5-VL 等 VLM 当规划器时在规划、反思（判断子任务是否完成）和记忆三方面的表现。