HumanoidToolBench：评估类人机器人工具选择与执行的基准测试

HumanoidToolBench是一个包含18个任务的基准测试，评估类人机器人在三种场景、三个执行级别和两种工具集模式下的工具选择和执行能力。该测试集包含了3.1k个在模拟和真实Unitree G1机器人上收集的演示数据。测试结果显示，在工具选择和任务完成之间存在显著差距。此外，GR00T N1.7探针进一步考察了机器人对未见工具和无关指令下的泛化能力。