DeepInsight II: Benchmarking dell'IA Embodied attraverso Navigazione, Manipolazione e Controllo del Corpo Intero

L'ultimo rapporto di arXiv, intitolato DeepInsight II (arXiv:2608.16556), migliora il framework di valutazione DeepInsight specificamente per gli aspetti embodied dell'IA Fisica. A differenza del rapporto iniziale (v1), che consolidava la valutazione attraverso l'intero stack di IA tramite astrazioni di compito, risorsa e risultato, con un focus sui modelli foundation, DeepInsight II enfatizza la componente embodied. Affronta il problema della frammentazione della valutazione osservata nei simulatori, nelle embodiment e nelle interfacce specifici dei benchmark. I risultati riproducono i riferimenti dei checkpoint rilasciati su due benchmark di navigazione e quattro di manipolazione, utilizzando i loro protocolli originali. Inoltre, introduce MotionBench, che valuta quattro controller per il corpo intero rilasciati sotto un carico di lavoro unificato. Lo studio rivela che la maturità della valutazione è inversamente proporzionale al rischio di implementazione, con i modelli foundation ben standardizzati mentre i livelli embodied rimangono frammentati. Il rapporto mira a stabilire una valutazione completa per navigazione, manipolazione e controllo del corpo intero, estendendosi oltre la mera simulazione per includere l'esecuzione fisica.