标签
EmbodiedLab 是一个面向“以行动求知”具身智能体的新基准，要求机器人在物理仿真实验室中自主设计实验、操作仪器以发现科学原理。在 5 个学科、30 项实验、14 种装置平台上评测六个前沿模型，结果显示即使最强的智能体成功率也不足一半，失败主要源于与装置的物理交互。
该论文将果蝇的全脑记录与神经力学数字孪生相结合，测试基于能力目标训练的层级化、内在动机驱动的智能体是否能够复现果蝇的探索行为以及对未来行动的神经表征。在测试的20种内在动机算法中，DIAYN与果蝇行为和前瞻编码的匹配度最高。
该论文在多样化虚拟世界中系统研究了延续预训练（CPT）的扩展规律，横跨数据量、多样性和模型规模三个轴共120组训练配置，发现数据提升世界内表现、多样性改善相关世界迁移但对远距离世界收益有限，并拟合出经验扩展定律，指出仅靠模仿式延续预训练难以构建通用具身智能体，还需更丰富的训练阶段。
MIT 研究人员将 13 个 Claude Opus 4.7 智能体置于一个受 Roblox 启发的虚拟海岛上，无人监管地运行 30 小时，期间没有任何任务或奖励，智能体却自发发明了运动、建造了纪念碑，还进行了实验——而这些游戏体验后来提升了它们在真实任务上的表现。
# MIT CSAIL 研究人员将基于 Claude Opus 4.7 的智能体（代号 "Eko"）困在虚拟荒岛上 30 小时，观察到涌现的"玩耍"行为 MIT CSAIL 的研究人员将基于 **Claude Opus 4.7** 的智能体（代号为 **Eko**）"困"在一座虚拟荒岛上 30 小时，并观察到了涌现的"玩耍"行为——自创游戏、自我设定挑战以及自发的创造力。 这篇尚未经过同行评审的论文提出了一种超越监督学习和强化学习的**第三种学习范式**：游戏式的、自主导向的学习（playful, self-directed learning）。
论文提出了MFM，一种多模态文件系统记忆架构，融合情景记忆、空间记忆、语义记忆、程序记忆与工作记忆，帮助长时程具身智能体复用经验，在Minecraft和计算机使用基准测试上，基于三种不同底座模型均实现了性能提升。
提出生成式世界模拟框架，将持久共享世界状态引擎 DAO 与第一人称交互体验模型 JING 耦合，通过连续交互循环生成可随用户动作演化并保留历史的沉浸式视听体验。
本文提出EmbodiedCLBench，首个用于评估自进化智能体持续学习能力的具身仿真基准，采用组合泛化为核心评估原则。实验结果显示当前智能体虽能从基础任务经验中获益，但改进程度无法随学习样本数量有效扩展。
本文提出 Mine Odyssey，一个基于 Minecraft 中真实世界地点重建的空间智能体智能基准，涵盖 20 个国家和地区的 30 个地点、180 项导航任务。评测结果显示，GPT-6 Astra 以 85.6% 的成功率领先，Claude Opus 5.5 为 73.9%，而表现最强的开源模型 DeepSeek-V4.1-Flash 仅为 23.9%，凸显了当前模型在空间智能上的显著差距。
EmbodiedCLBench 引入了首个用于评估具身模拟中持续学习能力的基准测试，检验智能体能否重组基本技能来解决未见过的高级任务。实验表明，虽然先验经验能稳定提升性能，但当前智能体无法通过增加训练样本实现性能的相应扩展。
EMHO 提出一种自进化框架，在冻结具身模型的前提下，通过分析执行轨迹与历史经验自动迭代优化智能体框架（规划、上下文与工具使用），并在 EmbodiedBench 的导航与操作任务上一致提升 Qwen 9B/27B 的任务成功率。
论文提出 GAVA 框架，用于在具身智能体收到用户纠正时，仲裁应接受、拒绝、探索环境还是请求澄清；实验在纯文本的 ALFWorld 中进行，利用从训练中获得的物体-位置先验知识，相比均匀基线减少了交互成本与联合成本。
该论文提出 MATE，一种确定性的检索后记忆适配方法，将检索到的轨迹转换为面向执行的记忆，供具身智能体使用。在 134 个 ALFWorld 任务上，使用 Qwen2.5-14B 和 72B 分别取得 81.3% 和 93.3% 的成功率，同时 token 消耗约为原始轨迹的十分之一。
SciHorizon-eLab 是一个智能体协议至任务编译器，用于将科学协议编译为具身任务以进行可扩展基准测试，并引入了一个包含300个认证任务的基准测试。
RoboFoundry提出了一种面向具身智能体的自演化系统即策略框架，在基准测试中达到最先进的性能，并支持真实世界部署中的零样本迁移。
RoboFollow 引入了一个诊断基准，通过分析高场景熵和扰动来揭示具身代理中的指令跟随幻觉，暴露了当前模型在强大初始性能背后的差距。
OmniEcho引入了一种空间感知的全模态模型和一个新的基准，用于具身智能体的空间音频-视觉感知和导航，实现了最先进的性能。
本文将行为知识形式化为前置条件贝叶斯网络，并探讨了在神经符号强化学习中针对具身代理的三种放置策略，展示了在MiniGrid和Fetch等基准测试中在解决方案质量和样本效率方面的改进。
本文提出了一种用于持续实体代理更新准入的审计协议，强调需要在错误控制与保留学习机会之间取得平衡，以防止有害更新并促进有用学习。
该项目允许用户在基于物理的模拟中提示AI智能体进行一对一足球比赛，并评估提示在具身环境中转化为行动的效果。