BURGER: 通过具身绘画基准测试评估与理解机器人泛化能力

该研究提出BURGER基准，用于评估视觉-语言-动作（VLA）模型在语言条件绘画任务中的泛化能力，其核心是在相同空白画布上根据指令控制机械臂绘制指定物体。 实验使用28,200个模拟演示和282个绘画任务评估5个代表性VLA模型，揭示了各模型在语言接地、空间组合和动作生成方面的不同失败模式。