Fransız laboratuvarı uzun görevli robot ajanları için kıyaslama yayımladı
MAGMA-Bench, görev değişiklikleri ve uygulama hataları içeren simüle edilmiş çok robotlu görevlerde ajanları değerlendiriyor.
Olay / veri dönemi: 2026-10-09
Yayın: · Güncelleme:
Fransız LAAS-CNRS birimi ve Siléane şirketinden araştırmacılar, uzun robot görevlerinde kalıcı akıl yürütmeyi ölçmek için MAGMA-Bench’i 9 Ekim tarihli bir ön baskıda tanıttı. Kıyaslama, bir ila üç robot içeren 12 senaryo ailesini kapsıyor; görev değişiklikleri, kesintiler, kısmi gözlemler ve simüle edilmiş yürütme hataları içeriyor.
Değerlendirme 1.254 bölümden oluşuyor. Yazarlar, test edilen en güçlü modellerin bile değişiklik içermeyen görevlerin önemli bir kısmında başarısız olduğunu ve performansın ek bozucu koşullarda daha da düştüğünü bildiriyor. Öncü modellerin karşılaştırması için 215 bölümlük ortak bir alt küme kullanıldı. Kıyaslama yüksek düzey kararları algı ve düşük düzey kontrolden ayırıyor ve simülasyona dayanıyor; sonuçlar sahadaki robot performansına eşit değil.
Veriler
Çalışmanın kapsamı
12 senaryo ailesinde simülasyon bölümleri; gerçek robot dağıtımı değil
| MAGMA-Bench değerlendirme bölümü | 1254 | 2026-10-09 |
Yöntem
Sayı, kaynak çalışmada bildirilen deney kapsamıdır; ulusal istatistik veya saha sonucu değildir.
Güncelleme:
Konular ve yerler
Konu önerileri
- Bilim ve teknolojiÖneri
- Preserved editorial category/topic; broad candidate onlyarxiv.org ↗
Coğrafi referanslar
Yalnızca kaynakta bulunan coğrafi referanslar gösterilir. Harici haritayı açmak isteğe bağlıdır. İsteğe bağlı haber haritaları OpenStreetMap kullanır. Haritayı açtığınızda IP adresiniz ve site adresi harita sağlayıcısına iletilir; harita yüklenmeden konum verileri metin olarak okunabilir.
- Fransa · Yer rolü: Kapsam · Yer türü: Ülke veya bölge · Konum kesinliği: BölgeselKanıt
- Explicit preserved editorial country/region; no city or national centroid inferredarxiv.org ↗