ERQA-Plus：具身人工智能推理的诊断基准

通用具身智能体不仅需识别物体，更需基于视觉观察进行空间、动作、意图及常识推理。现有基准难以区分真正的具身推理与模式匹配捷径。本文提出 ERQA-Plus，一个包含 1766 个实例的诊断基准，涵盖感知、行动、社交、导航及常识推理等类别。通过多阶段生成与验证流程确保数据质量。实验表明，即便最强模型在空间和程序推理等方面仍存在显著缺陷。该基准为细粒度评估具身推理能力提供了重要框架。