TARSphere 提出机器人长时程具身智能体全栈框架与 360 回合基准。
资讯摘要
论文提出 TARSphere，一个面向机器人的全栈框架，用于在物理与社会约束下运行长时程具身智能体。其 TARSphere-Infra 在带具身 NPC 和受限对话的物理模拟器中运行机器人策略，并用事件驱动有限状态机更新任务状态；TARSphere-Harness 让冻结的多模态大模型通过多级可执行技能行动。作者据此构建含 30 个室内场景、360 个回合的 TARSphere-Bench，测试 8 个 MLLM。
要点速读
- TARSphere-Infra 在物理模拟器中运行机器人策略，包含具身 NPC 与受限对话，并以事件驱动 FSM 依据已完成动作和已传递信息更新任务状态。
- TARSphere-Harness 让冻结的 MLLM 通过多级可执行技能行动，结合观测、分层记忆与执行反馈修正决策。
- TARSphere-Bench 覆盖 30 个室内场景、360 个回合，设五组配对条件考察感知鲁棒性、干扰适应、任务更新、人类协作与意图理解；作者报告通用模型可优于具身模型，任务更新与人机交互仍困难。
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 2026/10/26 08:00:27（北京时间）。