多模态具身智能体：从 computer-use 到 robot-use 的统一能力视角 PAPAV 框架
Multimodal Embodied Agents: A Unified Capability-centric Perspective from Computer-Use to Robot-Use
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究者提出 PAPAV 框架，用感知、预判动作效果、规划、执行、验证五项功能统一刻画多模态具身智能体（MMEA），并对比其与多模态智能体（MMA）、机器人系统（RS）的差异。在 64 个 benchmark 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"，后两者多被任务成功率掩盖。
来源：Hugging Face Daily Papers · arxiv.org