论文提出 PAPAV 框架，指出具身智能体评估偏重执行环节。
资讯摘要
论文提出多模态具身智能体（MMEA）定义，即把多模态任务推理与物理动作结合、并根据反馈修正决策的目标导向系统，并追问多模态智能体从计算机使用转向机器人使用时发生了什么变化。作者提出 PAPAV 能力框架，包含感知状态、预判动作效果、规划可行路径、通过接口或本体执行、验证结果五项功能，并据此比较 MMEA 与多模态智能体及机器人系统。论文指出五项物理约束使可预先固定的选择更少、纠错空间更小；在 64 个基准中显式评估集中在执行环节，仅 5 个评估预判、3 个评估验证。
要点速读
- 论文提出 PAPAV 统一能力框架，以功能而非架构划分感知、预判、规划、执行、验证五项能力。
- 作者报告在 64 个基准中，显式评估主要集中在 Act，仅 5 个评估 Anticipate、3 个评估 Verify。
- 论文指出从部分可观测到结果难以验证等五项物理约束，使具身智能体可预先固定的选择更少、纠错空间更小。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。