BiManiBench：用于评估多模态大语言模型双臂协调能力的分层基准测试

多模态大语言模型（MLLMs）在具身人工智能领域取得了显著进展，将其用于评估机器人智能已成为重要趋势。然而，现有框架主要局限于单臂操作，无法捕捉如提起重锅等双臂任务所需的时空协调性。为此，我们提出了BiManiBench，一个分层基准测试框架，从基础空间推理、高层动作规划和底层末端执行器控制三个层级评估MLLMs。该框架隔离了双臂操作的独特挑战，如手臂可达性和运动学约束，从而区分感知幻觉与规划失败。对30多个前沿模型的分析表明，尽管MLLMs在高层推理方面表现出色，但在双臂空间定位和控制方面仍存在困难，常导致相互干扰和时序错误。这些发现表明当前范式缺乏对互连运动学约束的深入理解，未来研究应重点关注双臂碰撞避免和精细时间序列控制。