RoboSPA：评估视觉-语言-动作模型在复杂空间与长程规划中的具身推理能力

现有的具身模型评测大多停留在预设环境下的成败判定。RoboSPA 构建了包含 52.7 万条轨迹的诊断基准，划分 5 个难度层级以压榨 VLA 模型在精细空间定位与长程规划中的表现。测试显示，面对复杂的空间干扰与多步骤流程，主流模型在底层精准执行和记忆规划上仍频繁断层。