面向真實(shí)世界的視覺-語言-動(dòng)作泛化能力評(píng)測(cè)。

01

核心亮點(diǎn)

RADAR（Real-world Autonomous Dynamics And Reasoning）是專為具身智能領(lǐng)域設(shè)計(jì)的全新一代評(píng)測(cè)基準(zhǔn)，系統(tǒng)性地解決了現(xiàn)有評(píng)測(cè)體系的三大核心缺陷，為 VLA 模型提供真實(shí)可靠的泛化能力評(píng)估[1]。

Figure 1: 視覺-語言-動(dòng)作模型架構(gòu)示意圖

▎為什么需要 RADAR？

? 當(dāng)前具身智能評(píng)測(cè)面臨嚴(yán)峻的現(xiàn)實(shí)鴻溝問題：模型在傳統(tǒng)基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)異，但在真實(shí)物理環(huán)境中卻表現(xiàn)不佳[1]?，F(xiàn)有評(píng)測(cè)體系存在三大系統(tǒng)性缺陷：

? 忽視真實(shí)世界動(dòng)態(tài)性：未考慮物體配置變化、機(jī)器人初始狀態(tài)、光照變化、傳感器噪聲等關(guān)鍵因素

? 缺乏空間-物理智能測(cè)試：簡(jiǎn)化為重復(fù)性操作任務(wù)，無法探測(cè)幾何推理能力

? 評(píng)估方法不可擴(kuò)展：依賴簡(jiǎn)單 2D 指標(biāo)或人工監(jiān)督，成本高昂且存在偏差

02

RADAR 的三大核心創(chuàng)新

1. 系統(tǒng)化的物理動(dòng)態(tài)性建模

RADAR 引入四維物理擾動(dòng)軸，全面模擬真實(shí)世界的復(fù)雜性：

Table 1: RADAR 物理動(dòng)態(tài)性評(píng)測(cè)維度

關(guān)鍵發(fā)現(xiàn)：在傳感器噪聲條件下，主流模型的 3D IoU 性能從 0.261 驟降至 0.068，揭示了嚴(yán)重的魯棒性不足[1]。

Figure 2: 不同的擾動(dòng)條件可視化

2. 分級(jí)任務(wù)設(shè)計(jì)與空間理解任務(wù)

為全面評(píng)估各模型的魯棒性與泛化能力，RADAR構(gòu)建了包含四種場(chǎng)景復(fù)雜度遞增的任務(wù)分組的測(cè)試集。此外，不同于傳統(tǒng)的簡(jiǎn)單抓取任務(wù)，RADAR 設(shè)計(jì)了專門測(cè)試空間理解能力的任務(wù)集，RADAR要求模型展現(xiàn)：

? 基本的具身操作能力

? 多目標(biāo)長(zhǎng)程任務(wù)能力

? 復(fù)雜場(chǎng)景下的決策能力

? 空間理解能力

這些任務(wù)揭示了當(dāng)前 VLA 模型在空間智能方面的顯著局限性[1]。

Figure 3: 空間推理任務(wù)示例：需要理解物體間的相對(duì)位置關(guān)系

3. 全自動(dòng)化評(píng)估流程（基于 3D 指標(biāo)）

RADAR 的評(píng)估系統(tǒng)實(shí)現(xiàn)了完全自主化，具有以下優(yōu)勢(shì)：

?精確空間視覺：采用雙視覺RGBD攝像頭定位三維空間指標(biāo)，捕捉真實(shí)的空間結(jié)構(gòu)

?零人工干預(yù)：全流程語義分割、3D重建自動(dòng)化，消除人為偏差

?可大規(guī)模擴(kuò)展：輕量化的分割重建模型支持批量測(cè)試，成本低廉

?結(jié)果可復(fù)現(xiàn)：多步驟可重試的標(biāo)準(zhǔn)化流程確保評(píng)測(cè)一致性

Figure 4: 自主化 3D 評(píng)估系統(tǒng)

03

極簡(jiǎn)易用：快速上手指南

▎為什么選擇 RADAR？

1.即插即用：標(biāo)準(zhǔn)化接口設(shè)計(jì)，與主流 VLA 框架無縫對(duì)接

2.文檔完善：詳細(xì)的使用教程和示例代碼

3.開箱即用：預(yù)配置的評(píng)測(cè)任務(wù)和環(huán)境

4.靈活擴(kuò)展：支持自定義任務(wù)和評(píng)估指標(biāo)

▎三步開始使用

Table 2: RADAR 快速啟動(dòng)流程

代碼示例

簡(jiǎn)單使用SDK代碼評(píng)測(cè)

from src.client import RADARClient

session_id = client.get_worker()

client.begin_eval({"task_id": "single_red"}) #開始評(píng)測(cè)

status = client.get_status()#獲取場(chǎng)景狀態(tài)

action = model(status)#運(yùn)行模型

client.send_action({"action_type": "test_action", "action_params": {}})#執(zhí)行動(dòng)作

result = client.end_evaluation()#結(jié)束評(píng)測(cè)

Figure 5: 遠(yuǎn)程部署，在線測(cè)試：RADAR 評(píng)測(cè)流程

04

震撼發(fā)現(xiàn)：揭示模型真實(shí)能力

通過對(duì)多個(gè)主流 VLA 模型的系統(tǒng)性審計(jì)，RADAR 發(fā)現(xiàn)了令人警醒的結(jié)果：

?脆弱性嚴(yán)重：在輕度物理擾動(dòng)下，性能急劇下降

?空間推理不足：模型缺乏真正的幾何理解能力

?泛化能力有限：仿真基準(zhǔn)的高分?jǐn)?shù)掩蓋了在真實(shí)環(huán)境中的失效

?關(guān)鍵數(shù)據(jù)：傳感器噪聲導(dǎo)致 3D IoU 從 0.261 降至 0.068，下降幅度達(dá) 74%[1]。

這些發(fā)現(xiàn)挑戰(zhàn)了"傳統(tǒng)基準(zhǔn)高分 = 強(qiáng)具身智能"的假設(shè)，凸顯了 RADAR 作為可靠評(píng)測(cè)標(biāo)準(zhǔn)的必要性。

05

RADAR 的獨(dú)特價(jià)值

▎對(duì)研究者

? 揭示模型在真實(shí)場(chǎng)景中的真實(shí)表現(xiàn)

? 識(shí)別具體的弱點(diǎn)和改進(jìn)方向

? 公平比較不同方法的泛化能力

? 推動(dòng)研究從"刷榜"轉(zhuǎn)向"真實(shí)魯棒性"

▎對(duì)領(lǐng)域發(fā)展

? 建立具身智能評(píng)測(cè)的新標(biāo)準(zhǔn)

? 彌合仿真與真實(shí)世界的鴻溝

? 促進(jìn)可復(fù)現(xiàn)、可擴(kuò)展的研究范式

? 加速具身智能技術(shù)的實(shí)用化進(jìn)程

▎加入 RADAR 社區(qū)

立即開始

? 論文：arXiv:2602.10980

? 代碼：即將開源（敬請(qǐng)關(guān)注）

? 文檔：完整使用指南和 API 文檔

? 支持：活躍的開發(fā)者社區(qū)

▎適用場(chǎng)景

無論您是在研究：

? 視覺-語言-動(dòng)作模型（VLA）

? 具身智能代理

? 機(jī)器人操作與規(guī)劃

? 多模態(tài)學(xué)習(xí)系統(tǒng)

RADAR 都是您不可或缺的評(píng)測(cè)工具！

▎聯(lián)系我們

我們期待與您一起推動(dòng)具身智能評(píng)測(cè)標(biāo)準(zhǔn)的進(jìn)步。歡迎：

? 使用 RADAR 評(píng)測(cè)您的模型

? 貢獻(xiàn)新的任務(wù)和評(píng)估指標(biāo)

? 提供反饋和改進(jìn)建議

? 參與社區(qū)討論和協(xié)作

06

結(jié)語

RADAR 不僅是一個(gè)評(píng)測(cè)工具，更是推動(dòng)具身智能邁向真實(shí)世界可靠性的重要一步。通過系統(tǒng)化的動(dòng)態(tài)性建模、專門的空間推理任務(wù)和全自動(dòng)化評(píng)估流程，RADAR 為領(lǐng)域提供了前所未有的洞察力。

讓我們一起構(gòu)建更魯棒、更可靠、更具泛化能力的具身智能系統(tǒng)！

References

[1] Chen, Y., Zhan, Z., Lin, X., Song, Z., Liu, H., Lyu, Q., Zu, Y., Chen, X., Liu, Z., Pu, T., Chen, T., Wang, K., Lin, L., & Wang, G. (2026). RADAR: Benchmarking Vision-Language-Action Generalization via Real-World Dynamics, Spatial-Physical Intelligence, and Autonomous Evaluation. arXiv preprint arXiv:2602.10980. https://arxiv.org/abs/2602.10980

未經(jīng)「AI科技評(píng)論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號(hào)轉(zhuǎn)載請(qǐng)先在「AI科技評(píng)論」后臺(tái)留言取得授權(quán)，轉(zhuǎn)載時(shí)需標(biāo)注來源并插入本公眾號(hào)名片。