李飞飞团队发布ESI-Bench,被誉为具身智能界的“ImageNet”。该基准揭示当前大模型在物理空间交互中的致命短板。与传统依赖最优视角图片的被动感知评测不同,ESI-Bench聚焦于模型的空间认知能力,而非单纯视觉识别,为具身智能设立了新标杆。