RescueBench：具身智能体能在野外拯救生命吗？

搜救任务要求具身智能体在多模态不确定性下探索陌生环境，执行多阶段交互并检索长时程空间记忆。现有基准通常孤立评估这些能力，难以揭示真实工作流中失败的累积效应。本文提出 RescueBench，一个照片级真实的诊断基准，将搜救实例化为包含多模态探索、目标救援、记忆引导返回及最终交接的四阶段流程。该基准结合序列任务组合与阶段级评估，分析了探索与记忆失败如何在具身救援工作流中传播。实验表明，自主探索是主要失败模式，空间记忆是第二大独立瓶颈，现有方法尚未解决这些局限。