机器人多模态推理问答基准

ERQA（Embodied Reasoning Question Answer）是由Google DeepMind开源的机器人领域多模态推理问答基准，包含400个真实场景问题，涵盖空间推理和世界知识。它通过文本和图像等多模态数据，以多选题形式评估机器人模型对复杂环境的理解能力，支持Gemini和OpenAI API的评估框架，数据以TFRecord格式存储，适用于学术研究和工业应用。