PAPAV：从 computer-use 到 robot-use 的多模态具身智能体统一能力框架

研究者提出 PAPAV，一个面向多模态具身智能体（MMEA）的能力中心框架，将智能体功能拆为感知状态、预判动作效果、规划可行路径、通过接口或本体执行、验证结果五项。在 64 个 benchmark 中，显式评测几乎集中在“执行”一项，仅 5 个评估“预判”、3 个评估“验证”。该框架用于对比 MMEA 与多模态智能体及机器人系统的差异，并指出从数字环境走向机器人环境时面临的五项物理约束。