摘要
本文采用实证 AI 方法，通过改变具身智能体可用信息量来研究其行为。在物理机器人设置及模拟环境中，利用“锁盒”谜题评估大语言模型在不同观测条件（RGB、RGB-D 及真实符号）下的表现。研究发现，智能体在原始 RGB 输入下表现最佳，而在完美真实观测下表现最差。模拟实验表明，适度噪声（40% 翻转概率）能显著减少重复动作循环，使成功率提升 2.85 倍。结果表明，仅凭成功率不足以评估大语言模型，其性能可能反映感知误差与推理失败的交互而非鲁棒的问题解决能力。
AI 推荐理由
研究感知噪声与推理失败的交互，揭示非直观推理机制，核心涉及推理能力评估。
研究机构
Robotics and Biology Laboratory, Technische Universität Berlin, Germany
Science of Intelligence, Research Cluster of Excellence, Berlin, Germany
Robotics Institute Germany (RIG)
论文信息