RecodeX 重构消息，针对家庭机器人从执行明确指令转向自主满足用户需求的落地难题，相关研究团队提出面向开放世界机器人自主能力的综合评测基准RobotAgentBench，从操作能力、任务发现、情境推理、失败恢复、鲁棒性五个维度，基于由真实家庭拓展构建的50种交互式家庭布局，依托统一的“规划—执行—验证”框架开展多维度评测。

实验显示，独立VLA、WAM策略在自主任务发现等方面存在明显短板；结合代码控制与学习策略的混合执行方案取得评测中的最高任务级平均分与开放场景综合得分。规划器与执行器之间的指令适配性会直接影响系统表现，递归自我改进机制可帮助智能体依托执行反馈迭代优化。真实环境测试显示，仿真评测的相对排名具备参考价值，但真实物理交互的复杂性仍会拉低系统表现。