具身智能测评‘上海卷’开源 100道题补齐行业评价短板
（图片来自网络）
近日，上海交通大学联合业界研发的具身智能测评集GM-100宣布开源，为衡量机器人“大脑”（智能模型）与“身体”（物理执行）的协同能力，提供更系统、开放且可复现的评估基准，补齐国内具身智能评价行业的短板。
该测评集包含100个具体任务，总计1.3万条操作轨迹数据，规模可观。项目牵头人、上海交通大学副教授李永露表示，在具身智能技术发展阶段，高质量数据集和评测体系对科研至关重要，优化数据分布能有效推动模型能力进步。测评集强调任务设计的广度与评估体系的深度，不盲目追求任务量。
测评集设计时，先分析人类与物体交互的基本原语，再利用大语言模型生成候选任务，经专家筛选优化后，最终形成涵盖从日常简单操作到罕见复杂场景的100项任务。此外，测评集在传统的任务成功率外，引入“部分成功率”和“动作预测误差”两项关键指标，更全面评估任务完成情况。
研发团队对全球主流模型测试显示，GM - 100测评集任务设计难度合理，跨平台执行具备区分度，评估结果稳定泛化，为跨模型能力比较提供可靠参考。目前，测评集所有任务说明、物料清单及操作轨迹数据已开源，还提供了物料购买链接，降低开发者复现与参与门槛。
当前，具身智能领域评测标准分散、不统一，各团队自建标准，抓取、路径规划等侧重点不同，且多局限于简单场景。GM - 100测评集的出现，为上海乃至国内具身智能评价体系补齐了短板。上海正通过数据和模型能力双维度，推动具身智能行业创新，GM - 100测评集成为行业“统考卷”，助力模型性能横向比较与能力提升。
（声明：该内容经AI精编）
查看原网页
最新新闻
- 2026年1月27日：摩托罗拉Edge 70 Fusion手机渲染图曝光 预估搭载骁龙7s Gen 4芯片
- 2026年1月27日：时隔五年！苹果发布AirTag二代：精准查找范围提升50% 音量升级50%
- 2026年1月27日：YouTube博主起诉Snapchat 涉AI训练商用数据集侵权争议
- 2026年1月27日：ChatGPT健康功能误判心脏健康事件，医生复盘揭示AI问题
- 2026年1月27日：苹果推出iOS 26.2.1更新 支持AirTag 2 适配iPhone 15及以上机型
- 2026年1月27日：C919交付提速 商飞2026年目标至少28架 年末产能改善
- 2026年1月27日：中国银发博主重新定义‘年老’ 老龄群体成社交媒体创作新力量
- 2026年1月27日：马化腾质疑豆包手机助手，豆包团队发布安全回应
- 2026年1月27日：Nothing Phone (4a)/Pro获阿联酋认证，有望近期官宣新机型
- 2026年1月27日：日产发布集成光伏的Ariya概念原型车，助力续航提升
- 2026年1月27日：国米冬窗或出售路易斯-恩里克 转会投资回收成关键考量
- 2026年1月26日：马竞总监奔赴慕尼黑冬窗引援，目标瞄准格雷茨卡与加西亚
- 2026年1月26日：勇士7主力缺席背靠背第二战 对战森林狼成焦点
- 2026年1月26日：以高质量发展引领新能源产业出海：新三样成全球增长与转型新引擎
- 2026年1月26日：破解青藏高原冰川密码（相知无远近）
- 2026年1月26日：巴萨与22岁核心续约至2031年：年薪翻50% 违约金5亿
- 2026年1月26日：21岁足球新星伊赞·冈萨雷斯转会赫罗纳 赫罗纳支付解约金完成交易
- 2026年1月26日：维罗纳抗议引援滞后 球队管理层引援动作迟缓
- 2026年1月26日：腾讯“元宝派”AI新产品：马化腾站台计划2026年春节10亿红包拉新
- 2026年1月26日：罗马诺透露足球转会消息：那不勒斯难签卢克曼 阿斯顿维拉不愿卖桑乔
精彩评论（10）