RobotWorld：面向多任务与多形态机器人使用的多模态智能体 Benchmark

RobotWorld 是一个机器人使用模拟测试平台，用 84 项任务评估多模态智能体能否把指令和观察转化为物理执行。任务覆盖操作、移动操作、运动、驾驶和空中控制，并设置交互预算和可执行成功检查。结果显示，当前智能体可构建感知与控制流程，但常在状态跟踪、无效动作纠正和完成判断上失败，Astra 与 Opus 5.5 的优势任务类型不同。