VLABench¶
📌 一句话：面向 VLA 模型的大规模语言条件操作基准，100 个任务类别 + 2000+ 物体，专测长程多步推理——既评动作策略，也评背后语言模型的推理能力。
🧰 对我们（速判）¶
- 想专门评 VLA / 语言条件长程推理时对口，比纯动作基准多了"会不会推理"这一维。
- 任务带常识/多步规划要求，能区分"只会照搬演示" vs "真懂指令"。
- 坑：较新，社区基线还在积累；纯仿真，需真机佐证。
关键（摘要级）¶
- 📄 任务数：100 个任务类别。
- 📄 规模：2000+ 物体，强调长程推理与自然语言指令。
- 📄 指标：任务成功率 SR + 推理/语言能力评估。