EVENT DOSSIER
2026 年 9 月 7 日，arXiv 发布 RoboSPA，这是一个旨在诊断视觉 - 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以评估模型表现。实验结果显示，现有 VLA 模型在复杂空间关系理解、精确低层执行以及高内存消耗规划方面仍面临显著挑战。
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。