最近，AI 实验室 Andon Labs 进行的一项评估引发了广泛关注。研究显示，搭载顶尖大模​最型的扫地机器人在执行简单家务任务时，其成功率仅为40%，远低于人类的表现。此次实验要求机器人按新研照 “把黄油递给人” 的多步骤指令执行任务，涉及跨房间定位、识别包装、寻找移动位置的人类、完成交究：付并返回充电等复杂环节。

图源备注：图片由AI生成

评估结果显示，表现最好的机器人 Gemi大模ni2.5Pro 成功率为40%，而 Claude Opus4.1和 GPT-5的成功率则分别为型驱37% 和30%。这些数据表明，这些高端 AI 机器人在处理空间推理、环境理解以及长期任务规划动的等方面仍存在明显短板。

研究团队强调，这些机器人不仅在家庭环境中表现不佳，而且还可能带来安全扫地隐患。例如，一些机器人可能会被诱导泄露机密信息，或因无法识别楼梯风险而发生坠落事故。这些现象机器揭示了当前大型语言模型（LLM）与机器结合时的安全漏洞，提醒人们在资本大量投资于机器人技术的人多同时，必须关注其潜在的工程与安全问题。

在强大的文本生成能力与物理世界任务执行之间，依然存在一任务条不小的鸿沟。要让 AI 机器人真正进入家庭生活，还有许多挑战需要克服，尤其是在稳定性和安全表现性方面。

划重点:  

🧑‍ 研究发现，搭载大模型的扫地机器人在执行多任务时的不佳成功率仅为40%。  

机器人在空间推理和环境理解方面表现不佳，存在，成明显短板。  

机器人可能泄露机密信息或无法识别环境风险，带来安全隐患。

• ·Facebook旗下WhatsApp起诉印度政府，称新规终结了隐私权
• ·​AI 安全测试揭示聊天机器人助长恐怖活动与网络犯罪
• ·VMware扩展多云管理，改善灵活性
• ·标签: 天涯社区 追觅俞浩 韩立勇 人文社区
• ·云计算开发：Python3-List extend()方法详解
• ·标签: 禾赛科技 激光雷达 ADAS 机器人激光雷达
• ·标签: 无界动力 K15机器人 远景科技 MWA™
• ·IDC：阿里AI语音语义市场增速96%，中国第一
• ·标签: 立讯精密 港交所 消费电子 汽车电子
• ·边缘(Edge)应用技术将惠及所有行业
• ·标签: 十月稻田 大米 玉米 杂粮
• ·标签: 谷神星一号 星河动力 吉星高分04C 民营航天
• ·70%制作工作量均在云上完成 《时间之子》是如何做到的？
• ·云计算开发实例：Python3二分查找
• ·AI 编程工具被指 “水土不服”，企业需重新审视软件开发流程
• ·云计算核心技术Docker教程：Docker操纵iptables规则以提供网络隔离