会看图、会写代码的通用 Agent，能完成机器人操作吗？CodeActionBench 发布
2026.10.15 · 事件 · 论文 · 论文预印本
南理工等提出 CodeActionBench，用 25 个双臂任务评测 9 个 Agent 配置的机器人操作能力。
南洋理工大学研究者与合作者提出 CodeActionBench，基于 RoboTwin 2.0 和 SAPIEN、采用 ALOHA-AgileX 双臂机器人，建立 25 个双臂仿真任务，对 9 个模型与运行框架配置进行 675 次尝试。各配置尝试成功率从 2.7% 到 73.3%，其中 GPT-6 Astra (Codex CLI) 达 73.3%，Claude Opus 5 在 Reference…
- 25 个双臂仿真任务，9 个配置共 675 次尝试
- 成功率区间 2.7%~73.3%，Astra 最高 73.3%
- 共享 API 只给图像、标定、状态与执行，决策留给 Agent
- Astra 完成 55/75 次尝试，22 个任务至少成功一次
- 成功率最高的四个配置程序提交占比 85.6%~92.6%
为什么值得看
看清通用多模态 Agent 用代码做机器人操作的真实能力边界。
适合谁关注
关注具身智能、多模态 Agent 与机器人操作的研究者和开发者。