EVENT DOSSIER
On September 7, 2026, arXiv released RoboSPA, a large-scale robotic operation dataset and benchmark designed to diagnose the embodied reasoning capabilities of visual-linguistic-action (VLA) models. The benchmark covers 10 task categories and 56 basic tasks, with each task having five difficulty levels, resulting in 280 variants involving 527,000 trajectories and various scenarios. RoboSPA focuses on two core aspects: fine spatial reasoning and long-term process planning, and introduces diagnostic metrics beyond binary success rates to evaluate model performance. Experimental results show that existing VLA models still face significant challenges in understanding complex spatial relationships, achieving precise low-level execution, and planning with high memory consumption.
研究团队推出 RoboSPA 数据集与基准，旨在评估视觉 - 语言 - 动作（VLA）模型在复杂空间与程序任务中的推理能力。该基准涵盖 10 类 56 项基础任务，每类设置五个难度等级，共生成 280 个变体，包含 52.7 万条轨迹数据…
arXiv:2609.05324v1 发布 RoboSPA，这是一个用于诊断视觉 - 语言 - 动作（VLA）模型具身推理能力的大规模机器人操作数据集与基准测试。该基准涵盖 10 个任务类别和 56 个基础任务，每个任务包含五个难度等级，…
研究团队推出 RoboSPA 数据集与基准，旨在评估视觉 - 语言 - 动作（VLA）模型在复杂空间与程序任务中的推理能力。该基准涵盖 10 类 56 项基础任务，每类设置五个难度等级，共生成 280 个变体，包含 52.7 万条轨迹数据。RoboSPA 聚焦细粒度空间推理与长程程规划两个核心维度，引入超越二元成功率的诊断指标。实验表明，现有 VLA 模型在复杂空间关系、精确底层执行及高内存消耗规划方面仍面临挑战。该成果确立了 RoboSPA 作为开发更可靠通用具身智能体的诊断基准地位，相关数据与代码已开源。
arXiv:2609.05324v1 发布 RoboSPA，这是一个用于诊断视觉 - 语言 - 动作（VLA）模型具身推理能力的大规模机器人操作数据集与基准测试。该基准涵盖 10 个任务类别和 56 个基础任务，每个任务包含五个难度等级，共生成 280 个变体，涉及 52.7 万条轨迹及多种场景。RoboSPA 聚焦于精细空间推理与长程过程规划两个核心维度，并引入超越二元成功率的诊断指标。实验显示，现有 VLA 模型在复杂空间关系、精确低层执行及高内存消耗规划方面仍面临挑战。