视角 1
视角 2
视角 3 · 带框
视角 4视角 102
CausalPhys
物理因果视频问答- 原题“篮球从木质表面被抬起的首要原因是什么？”
- 同型“如果把支撑物移走，球会怎样？”（干预）
- 同型“当木板被抽走时，哪个物体会先动？”
- 时间2026 年 6 月才公开，晚于所有已发布的模型报告。
评测基准调研 · 图文示例 · 2026 年 10 月 30 日
16 个具身评测基准
每条配官方数据样例或论文配图，并给出发布时间、引用量与题目示例。结论：本批不建议采用。
视角 1视角 2视角 3 · 带框视角 4
04
IntPhys 2
直觉物理合理性判断- 原题“按照地球上物体的运动规律，画面中物体的行为是否合理？”
- 同型“这个场景是否违反了客体永久性？”
- 同型“两段视频中，哪一段在物理上是可能的？”
- 形式成对视频二选一，考的是“可能 / 不可能”的判断。
06
MomaGraph-Bench
场景图动作顺序推理- 原题“完成任务‘打开台灯’的正确动作是什么？”
- 同型“在台灯亮起之前，哪个物体必须改变状态？”
- 同型“‘打开抽屉’的前提条件是什么？”
- 规模294 个房间、1315 个实例。
10
BOP-Industrial / IPD
工业物体六自由度位姿- 输入彩色深度图像，加上目标物体的三维模型
- 输出六自由度位姿（旋转和平移），按平均精度评
- 示例工业连接器、齿轮、插座、料箱中的零件
- 形式没有文字题干，是位姿回归任务，视觉语言模型不参与。
(:objects ?apple ?jar ?fridge)
(:init (inside ?apple ?fridge))
(:goal (inside ?apple ?jar))
; 由模拟器判定是否成功，本身没有分数
11
BDDL
行为域定义语言- 示例(:goal (on ?cup ?table)) —— 把杯子放到桌上
- 示例(:goal (forall (?x) (clean ?x))) —— 把所有东西都清理干净
- 形式它是 BEHAVIOR 的任务描述格式，不是评测集。
自然语言任务
“把苹果放进冰箱”→环境状态
“把苹果放进冰箱”→环境状态
目标解释
子目标分解
动作排序
状态转移建模
→形式化目标 + 子目标 + 动作序列 + 状态预测
四个模块分别打分，再取平均
12
EAI
具身智能体接口评测- 示例任务“把苹果放进冰箱”→ 输出形式化目标、子目标和动作序列
- 同型任务“清理桌子”→ 拆成拿起、擦拭、放回
- 规模338 道虚拟家庭任务，加 100 道 BEHAVIOR 任务；需要自己接接口。
13
BEHAVIOR-1K
千项家务仿真任务- 任务摆放装饰：把杂货摆回柜子
- 任务收集垃圾：把垃圾收集起来丢掉
- 任务清理桌面：把桌面收拾干净
- 形式1000 条活动加仿真环境，输出质量分；要跑策略，不是答题。
15
DA3-BENCH
深度与几何重建评测- 输入多视图图像（室内、室外、物体等五类子集）
- 输出深度图、相机位姿、三维重建结果
- 指标不同重叠阈值下的曲线下面积，主方法在室内子集为 85.0 和 98.1
- 形式没有文字题干；室内子集用的是作者重标定版本。
16
FreeAskWorld
交互式视觉导航与求助- 示例“最近的出口在哪里？”→ 导航动作
- 同型“我可以一直走到电梯吗？”
- 同型“哪条路通向洗手间？”
- 形式可以主动向人问路；基线方法的成功率全部为零。