李飞飞团队推出具身空间智能评测基准 ESI-Bench，基于 OmniGibson 平台构建，涵盖10类29子类共3081个任务，强调“感知-行动回路”。测试显示，GPT-5、Gemini 等模型在最优视角下准确率可达95.1%，但自主探索时显著下降，暴露动作策略不足问题。同时，不完美3D重建会因几何误差降低推理效果，甚至劣于2D输入。研究还指出模型存在“元认知缺陷”，难以判断信息充分性。该基准推动评测从被动感知转向真实交互，为具身智能发展提供新方向。
李飞飞团队推出具身空间智能评测基准 ESI-Bench，基于 OmniGibson 平台构建，涵盖10类29子类共3081个任务，强调“感知-行动回路”。测试显示，GPT-5、Gemini 等模型在最优视角下准确率可达95.1%，但自主探索时显著下降，暴露动作策略不足问题。同时，不完美3D重建会因几何误差降低推理效果，甚至劣于2D输入。研究还指出模型存在“元认知缺陷”，难以判断信息充分性。该基准推动评测从被动感知转向真实交互，为具身智能发展提供新方向。