ICLR 2026｜新版「圖靈測試」：當VLA走進生物實驗室

現有 VLA 模型的研究和基準測試多局限于家庭場景（如整理餐桌、折疊衣物），缺乏對專業科學場景（尤其是生物實驗室）的適配。生物實驗室具有實驗流程結構化、操作精度要求高、多模態交互復雜（透明容器、數字界面）等特點，是評估 VLA 模型精準操作、視覺推理和指令遵循能力的理想場景之一。

近期，來自香港大學MMLAB 羅平老師團隊和上海交大穆堯老師團隊的工作——Autobio 正式被 ICLR 2026 接收，并獲得了 8-8-6-6 的同行評議分數。AutoBio 是一個面向數字化生物實驗室的機器人仿真系統與基準測試平臺。我們通過這篇工作，嘗試系統性回答一個關鍵問題：

當前主流的視覺 - 語言 - 動作（Vision-Language-Action, VLA）模型，是否已經具備在真實生物實驗室中執行實驗流程的能力？

• 論文標題：AutoBio: A Simulation and Benchmark for Robotic Automation in Digital Biology Laboratory
• 論文鏈接：https://openreview.net/forum?id=UUE6HEtjhu
• 論文代碼：https://github.com/autobio-bench/AutoBio
• https://huggingface.co/autobio-bench

一．研究背景：為何生物實驗室構成關鍵挑戰

與日常操作環境相比，生物實驗室在機器人自動化層面呈現出一組高度耦合的挑戰：

首先，實驗操作通常具有長時序和強約束特征。即便單步動作相對簡單，其組合往往構成對順序一致性和狀態依賴高度敏感的完整實驗流程。

其次，實驗器材大多數為交互式，廣泛采用螺紋、卡扣、分檔旋鈕等精細機械結構，對位姿控制和軌跡規劃提出遠高于常規操作的要求。

此外，液體樣本與透明容器的普遍存在，對視覺感知提出了更大的挑戰，而這類場景在現有仿真與評測體系中長期被簡化或忽略。

上述因素共同導致：即便在家庭或工業場景中表現良好的模型，也可能在實驗室任務中迅速失效。這一現象表明，現有基準并不足以反映模型在科研場景下的真實能力邊界。

二．AutoBio 的核心設計思想

如上圖，AutoBio 并非簡單復刻實驗室環境，而是從實驗流程本身出發，提出一種以生物實驗語義為中心的建模與評測范式。

我們將復雜實驗操作抽象為一組生物實驗原語（biological primitives），例如樣本轉移、混合反應、條件調控、分離與保存等。這些原語進一步映射為可執行的機器人運動與控制模塊，并在統一的仿真環境中進行組合。

在系統層面，AutoBio 由三部分構成：

• 面向真實實驗室的高保真仿真系統；
• 覆蓋多難度等級的標準化實驗任務基準；
• 與 VLA 模型直接兼容的數據生成、訓練與評測接口。

這一設計使 AutoBio 能夠在保持實驗語義一致性的前提下，對不同模型進行可復現、可對比的系統評估。

三．一個真正 “像實驗室” 的仿真系統

為了讓機器人面對的環境盡可能接近真實實驗室，AutoBio 在仿真層面進行了多項針對性擴展：

1. 實驗儀器的數字化建模

為確保實驗操作的真實性，AutoBio 引入了一套從真實儀器到仿真資產的系統化建模流程。通過多視角視頻采集與 3D Gaussian Splatting 重建，我們獲得高保真的幾何與外觀表示，并結合 CAD 建模與結構標注，生成可用于物理仿真的數字儀器模型。

該流程兼顧了視覺真實性與物理可交互性，避免了傳統手工建模在復雜結構與真實比例上的偏差。

2. 實驗室專用物理機制

標準物理引擎往往難以直接覆蓋實驗室中常見的交互模式。為此，AutoBio 針對生物實驗高頻操作擴展了一系列物理機制，包括但不限于：

• 基于螺紋結構的旋擰與自鎖建模；
• 具有離散阻尼特性的分檔旋鈕；
• 偏心機構驅動的周期性振蕩；
• 面向液體樣本的準靜態液面建模。

這些機制使仿真環境能夠更準確地反映實驗操作中的關鍵物理約束，從而避免模型在評測中依賴不現實的 “捷徑策略”。

3. 面向視覺模型的渲染與界面支持

考慮到 VLA 模型高度依賴視覺輸入，AutoBio 在渲染層面引入了基于物理的渲染（PBR）管線，以提升透明材料、液體以及儀器表面的視覺真實性。

同時，系統支持儀器數字界面的動態渲染，使機器人能夠通過視覺信號讀取參數、識別狀態變化并執行相應操作。這一能力對于涉及人機界面的實驗任務尤為關鍵。

四、AutoBio Benchmark：從實驗流程到評測任務

基于上述仿真能力，AutoBio 構建了一個包含 16 個任務的評測基準，覆蓋三個難度等級：

• 簡單任務：單步或低精度操作，如打開或關閉儀器蓋；
• 中等任務：需要一定精度和語言理解能力，如擰開離心管、樣本轉移；
• 困難任務：涉及多模態推理，如讀取屏幕參數并精確調節實驗設備。

每個任務均支持自動化專家軌跡生成、隨機化初始條件以及統一的成功判定機制，使不同模型能夠在一致條件下進行公平比較。

五、當前模型的能力邊界

我們系統評測了多種主流開源 VLA 模型。實驗結果如下圖：

• 在簡單任務上，模型已表現出較高成功率；
• 當任務涉及高精度裝配、液體判斷或屏幕讀數時，成功率顯著下降；
• 失敗往往源于細節誤差的持續累積，而非對任務的完全誤解。

這一結果揭示出當前模型在高精度操作、細粒度視覺推理以及長期實驗流程建模方面仍存在顯著不足，也進一步驗證了 AutoBio 在刻畫真實科研場景挑戰方面的必要性。

六、總結

AutoBio 提供了一個面向生物實驗室的統一仿真與評測框架，使研究者能夠系統性分析機器人在真實科研場景中的能力與局限。

我們的目標并非給出最終解決方案，而是通過清晰的問題定義和可復現的評測體系，為通用機器人走向科研自動化提供一個堅實的起點。

隨著模型架構、訓練范式與跨模態推理能力的持續發展，我們希望 AutoBio 能夠成為連接機器人學習與生命科學自動化的重要基礎設施。