**RoboStressBench：在具身场景中评估视觉语言模型对物理视觉压力的鲁棒性基准**

_RoboStressBench: Benchmarking VLM Robustness to Physical Visual Stress in Embodied Scenes_

> 该论文提出了RoboStressBench，这是一个用于评估视觉语言模型（VLMs）在具身AI场景中面对物理视觉压力时鲁棒性的新基准。现有基准多使用干净图像或孤立扰动，无法涵盖真实环境中的复杂视觉压力。研究从逆图形学角度出发，将视觉压力分解为材料（M）、视角（V）、光照（L）和几何（G）四个物理维度，实现了对现实世界多样视觉压力的全面覆盖。通过对当前最先进VLMs的评估，论文揭示了不同物理因素对具身能力（如视觉识别、推理和规划）的差异化影响，并提出了一个能感知压力的智能体求解器，可在高压力场景中提升模型鲁棒性。该基准为诊断和改进VLM在真实物理压力下的感知能力提供了原则性框架。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.00828)