复旦牵头发布MECoBench多模态具身协作基准数据集 补全多智能体协同评测供给缺口

当前，具身智能、多智能体协作已成为人工智能领域的核心攻坚方向，随着多模态大模型能力的快速迭代，如何建立标准化的评测体系，验证多智能体在真实物理场景下的协作效率、通信能力、动态环境适配能力，已成为行业亟待解决的共性痛点。此前公开的多数具身智能数据集主要聚焦单智能体的导航、操作任务，对多主体协作模式、分工逻辑、交互机制的覆盖度不足，直接制约了相关技术的规模化迭代与落地。 2026年7月1日正式首发的MECoBench，正是针对这一行业需求推出的垂直领域专业数据集，由复旦大学牵头，联合上海创新研究院及香港中文大学共同构建，核心定位为多模态具身协作基准数据集，旨在系统评估多智能体在视觉接地环境中的合作能力。据公开信息显示，该数据集共包含192个测试案例，涵盖整理家务、物品递送、场景巡检等8类贴近现实需求的家庭活动任务，同时支持并行与顺序两种协作结构，集成多样化合作模式与通信机制，可全面模拟多智能体在同一物理空间下的协同作业需求。数据集所有样本均来源于VirtualHome家庭模拟器，通过场景接地与协作配置两阶段标准化流程生成，确保了测试场景的真实性、任务设置的合理性以及评测结果的可复现性。 从应用价值来看，MECoBench主要服务于多模态大语言模型的具身智能研究，可用于验证多智能体在动态视觉观察下的任务分工、路径规划、环境探索、信息交互等核心能力，助力行业解决多智能体协同中普遍存在的协调效率低、通信成本高、动态环境适配性差等核心挑战。在落地端，基于该数据集完成评测优化的技术方案，未来可广泛应用于家庭服务机器人协同作业、智能家居多设备联动、养老陪护场景多智能体分工、工业柔性生产线协作机器人调度等多个领域，为具身智能技术从实验室走向民用、商用场景提供重要的前期评测支撑。 作为人工智能产业发展的核心生产要素，高质量的评测类数据集是技术标准化迭代的核心底座，本次MECoBench的发布，一方面完善了国内具身智能领域的数据集供给体系，为相关学术研究、技术迭代提供了统一的评测标尺，另一方面也为数据要素市场中垂直领域专业数据集的研发、供给提供了参考样本，助力人工智能产业的高质量发展，推动数字经济核心产业的创新落地。

查看MECoBench

详情页内容：