RoboQuest：评测能搜索、检查和测试的通用物理智能体

RoboQuest 是一个面向目标导向具身探索的 benchmark，要求物理智能体通过交互主动获取任务相关信息并调整动作。它包含 10 个移动操作任务，覆盖搜索、基于操作的检查和交互式测试三类不确定性；5 个前沿多模态智能体中最佳者仅在 23% 的 episode 中成功，基于完整演示微调的 $\pi_{0.5}$ 策略几乎从未成功。