NormAct：具身规划中隐性社会规范遵从的基准

多模态大语言模型作为具身规划器时，不仅需达成显式目标，还需遵循隐性社会规范。现有评估鲜少考察模型在行动序列中推断并应用这些隐藏约束的能力。本文提出 NormAct 基准，评估目标达成、规范遵从及整体任务成功率。实验显示主流模型在隐性规范遵从率上显著低于目标达成率。为此，作者提出 NormPerceptor，一种上下文感知的线索生成器，能在规划前推断场景相关规范，将任务成功率从 24.2% 提升至 46.7%，强调了具身智能体主动检测并将规范整合为规划约束的重要性。