最新研究：大模型驱动的扫地机器人多任务表现不佳，成功率仅 40%
我要评论最近，AI 实验室 Andon Labs 进行的一项评估引发了广泛关注。研究显示，搭载顶尖大模最型的扫地机器人在执行简单家务任务时，其成功率仅为40%，远低于人类的表现。此次实验要求新研机器人按照 “把黄油递给人” 的多步骤指令执行任务，涉及跨房间定位、识别包装、寻找移动位置的人究：类、完成交付并返回充电等复杂环节。
图源备注：图片由AI生成
评估结果显示，表现最好的机器大模人 Gemini2.5Pro 成功率为40%，而 Claude Opus4.1和 GPT-5的成功型驱率则分别为37% 和30%。这些数据表明，这些高端 AI 机器人在处理空间推理、环境理解以及长期动的任务规划等方面仍存在明显短板。
研究团队强调，这些机器人不仅在家庭环境中表现不佳，而且还可能带来安扫地全隐患。例如，一些机器人可能会被诱导泄露机密信息，或因无法识别楼梯风险而发生坠落事故。这些现机器象揭示了当前大型语言模型（LLM）与机器结合时的安全漏洞，提醒人们在资本大量投资于机器人技术的同人多时，必须关注其潜在的工程与安全问题。
在强大的文本生成能力与物理世界任务执行之间，依然存在一条不小任务的鸿沟。要让 AI 机器人真正进入家庭生活，还有许多挑战需要克服，尤其是在稳定性和安全性方面。
划重表现点:
🧑 研究发现，搭载大模型的扫地机器人在执行多任务时的成功率仅为40%不佳。
机器人在空间推理和环境理解方面表现不佳，存在明显短板。 ，成
机器人可能泄露机密信息或无法识别环境风险，带来安全隐患。
相关文章
美团LongCat-Flash-Omni 正式发布，开启全模态实时交互新时代
9月1日，美团正式推出了 LongCat-Flash 系列模型，并在近期开源了 LongCat-Flash-Chat 和 LongCat-Flash-Thinking 两大版本，吸引了众多开发者的关注2026-11-16
标签: 九章云极 九章智算云 AgentiCTRL 普惠算力
云梦级1月8日云梦级消息，人工智能基础设施与智算云提供商九章云极宣布完成新一轮融资。本轮由北京信息产业发展投资基金与北京市人工智能产业投资基金联合领投，老股东启辰星跟投。 此次“国家队”资本的战略入股2026-11-16
YouTube 推出 AI “肖像识别” 工具，打击虚假内容
近日，YouTube 宣布为其合作创作者推出一项新的 AI 工具 —— 肖像识别功能。该工具旨在帮助创作者识别和举报未经授权使用他们肖像的深度伪造视频。根据 YouTube 的介绍，创作者在验证身份后2026-11-16
标签: vivo iQOO 英伟达 DLSS5 苹果 AirPodsMax2 阿里 AlibabaTokenHub
Hello，大家早上好，又是元气满满的一天，先来浏览新鲜的早报吧～ 【vivo 与 iQOO 官宣调价】 vivo 3 月 16 日在官方社区发布公告称，受全球半导体及存储成本持续大幅上涨的影响，经慎2026-11-16
北京时间12月2日早间消息，据报道，亚马逊之前为实体店开发了无现金结算技术，现在亚马逊想向更多行业推销该技术。 最近几年亚马逊开设一批没有收银员的店铺，店内装有摄像头和传感器，它们可以判断消费者拿了什2026-11-16
云安全日报210125：Debian远程管理器发现命令注入漏洞，需要尽快升级
Debian是一个完全自由的稳定且安全的基于Linux的操作系统,其使用范围包括笔记本计算机，台式机和服务器。Debian是许多其他发行版(例如:Ubuntu、Deepin、Knoppix、PureO2026-11-16
最新评论