日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

評価基盤arXiv:2509.15273

Embodied Arena:具現化AIのための包括的・統合・進化型評価プラットフォーム

Embodied Arena: A Comprehensive, Unified, and Evolving Evaluation Platform for Embodied AI

シェア:XThreadsFacebookLINEはてブBluesky

具現化AIの能力を3階層・7能力・25次元で体系化し、22のベンチマークと30以上のモデルを統合評価する進化型プラットフォームを構築した。

詳しい要約

1. どんなもの?

- Embodied AI 向けの包括的・統合・進化型評価プラットフォーム「Embodied Arena」 - 3階層(perception, reasoning, task execution)、7 core capabilities、25 fine-grained dimensions からなる体系的な embodied capability taxonomy を構築 - 統一インフラ上で 22 benchmarks(2D/3D Embodied Q&A, Navigation, Task Planning)と 20+ 機関の 30+ advanced models を統合評価 - LLM-driven automated generation pipeline により評価データを継続的に拡張 - Embodied Q&A, Navigation, Task Planning の3つの real-time leaderboards を benchmark view と capability view の dual perspective で公開

2. 先行研究と比べてどこがすごい?

- 従来は Embodied AI の core capabilities の体系的理解が欠如し、研究目標が不明確だった - 統一・標準化された評価系がなく cross-benchmark evaluation が不可能だった - embodied data の自動・スケーラブルな獲得手法が未発達でモデル scaling のボトルネックだった - 本プラットフォームは taxonomy・統一評価系・LLM-driven データ生成を一体で提供し、これら3課題に対処 - 22 benchmarks と 30+ models を単一基盤で横断評価できる点が先行研究と異なる

3. 技術・手法の肝は?

- 3階層・7 capabilities・25 dimensions の embodied capability taxonomy を設計 - 統一インフラ上に標準化評価システムを構築し、多様な benchmarks と models を柔軟に統合 - LLM-driven automated generation pipeline で embodied evaluation data を生成し、diversity と comprehensiveness を継続的に進化 - leaderboards は benchmark view と capability view の dual perspective で提示 - 個々のモデル実装や評価プロトコルの詳細は要旨からは不明

4. どうやって有効だと検証した?

- Embodied Arena の leaderboards 上で 22 benchmarks・30+ advanced models を評価 - 評価結果から9つの findings を導出し、研究の流れと重要課題の特定に寄与 - 3つの real-time leaderboards(Embodied Q&A, Navigation, Task Planning)を公開 - 個別ベンチマークでの定量的な性能比較の詳細は要旨からは不明

5. 議論はある?

- 9 findings を通じて明確な research veins の確立と critical research problems の特定を狙う - taxonomy の妥当性や benchmark 間の整合性、LLM-driven 生成データの品質・偏りについては要旨からは不明 - 継続的進化を掲げるが、その更新運用や評価の再現性に関する議論は要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照・比較されている個別研究は明示されていない - 関連手法として Embodied Q&A、Navigation、Task Planning の各 benchmarks、および LLM-driven data generation を用いる研究群 - 同分野の定番として embodied AI の capability taxonomy や cross-benchmark evaluation に関する研究を次に読むべき

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Fei Ni, Min Zhang, Pengyi Li, Yifu Yuan, Lingfeng Zhang, Yuecheng Liu, Peilong Han, Longxin Kou, Shaojin Ma, Jinbin Qiao, David Gamaliel Arcos Bravo, Yuening Wang, Xiao Hu, Zhanguang Zhang, Xianze Yao, Yutong Li, Zhao Zhang, Ying Wen, Ying-Cong Chen, Xiaodan Liang, Liang Lin, Bin He, Haitham Bou-Ammar, He Wang, Huazhe Xu, Jiankang Deng, Shan Luo, Shuqiang Jiang, Wei Pan, Yang Gao, Stefanos Zafeiriou, Jan Peters, Yuzheng Zhuang, Yingxue Zhang, Yan Zheng, Hongyao Tang, Jianye Hao

分類: cs.RO

原文アブストラクト

Embodied AI development significantly lags behind large foundation models due to three critical challenges: (1) lack of systematic understanding of core capabilities needed for Embodied AI, making research lack clear objectives; (2) absence of unified and standardized evaluation systems, rendering cross-benchmark evaluation infeasible; and (3) underdeveloped automated and scalable acquisition methods for embodied data, creating critical bottlenecks for model scaling. To address these obstacles, we present Embodied Arena, a comprehensive, unified, and evolving evaluation platform for Embodied AI. Our platform establishes a systematic embodied capability taxonomy spanning three levels (perception, reasoning, task execution), seven core capabilities, and 25 fine-grained dimensions, enabling unified evaluation with systematic research objectives. We introduce a standardized evaluation system built upon unified infrastructure supporting flexible integration of 22 diverse benchmarks across three domains (2D/3D Embodied Q&A, Navigation, Task Planning) and 30+ advanced models from 20+ worldwide institutes. Additionally, we develop a novel LLM-driven automated generation pipeline ensuring scalable embodied evaluation data with continuous evolution for diversity and comprehensiveness. Embodied Arena publishes three real-time leaderboards (Embodied Q&A, Navigation, Task Planning) with dual perspectives (benchmark view and capability view), providing comprehensive overviews of advanced model capabilities. Especially, we present nine findings summarized from the evaluation results on the leaderboards of Embodied Arena. This helps to establish clear research veins and pinpoint critical research problems, thereby driving forward progress in the field of Embodied AI.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI