ICLR 2026｜新版「图灵测试」：当VLA走进生物实验室

现有 VLA 模型的研究和基准测试多局限于家庭场景（如整理餐桌、折叠衣物），缺乏对专业科学场景（尤其是生物实验室）的适配。生物实验室具有实验流程结构化、操作精度要求高、多模态交互复杂（透明容器、数字界面）等特点，是评估 VLA 模型精准操作、视觉推理和指令遵循能力的理想场景之一。

近期，来自香港大学MMLAB 罗平老师团队和上海交大穆尧老师团队的工作——Autobio 正式被 ICLR 2026 接收，并获得了 8-8-6-6 的同行评议分数。AutoBio 是一个面向数字化生物实验室的机器人仿真系统与基准测试平台。我们通过这篇工作，尝试系统性回答一个关键问题：

当前主流的视觉 - 语言 - 动作（Vision-Language-Action, VLA）模型，是否已经具备在真实生物实验室中执行实验流程的能力？

• 论文标题：AutoBio: A Simulation and Benchmark for Robotic Automation in Digital Biology Laboratory
• 论文链接：https://openreview.net/forum?id=UUE6HEtjhu
• 论文代码：https://github.com/autobio-bench/AutoBio
• https://huggingface.co/autobio-bench

一．研究背景：为何生物实验室构成关键挑战

与日常操作环境相比，生物实验室在机器人自动化层面呈现出一组高度耦合的挑战：

首先，实验操作通常具有长时序和强约束特征。即便单步动作相对简单，其组合往往构成对顺序一致性和状态依赖高度敏感的完整实验流程。

其次，实验器材大多数为交互式，广泛采用螺纹、卡扣、分档旋钮等精细机械结构，对位姿控制和轨迹规划提出远高于常规操作的要求。

此外，液体样本与透明容器的普遍存在，对视觉感知提出了更大的挑战，而这类场景在现有仿真与评测体系中长期被简化或忽略。

上述因素共同导致：即便在家庭或工业场景中表现良好的模型，也可能在实验室任务中迅速失效。这一现象表明，现有基准并不足以反映模型在科研场景下的真实能力边界。

二．AutoBio 的核心设计思想

如上图，AutoBio 并非简单复刻实验室环境，而是从实验流程本身出发，提出一种以生物实验语义为中心的建模与评测范式。

我们将复杂实验操作抽象为一组生物实验原语（biological primitives），例如样本转移、混合反应、条件调控、分离与保存等。这些原语进一步映射为可执行的机器人运动与控制模块，并在统一的仿真环境中进行组合。

在系统层面，AutoBio 由三部分构成：

• 面向真实实验室的高保真仿真系统；
• 覆盖多难度等级的标准化实验任务基准；
• 与 VLA 模型直接兼容的数据生成、训练与评测接口。

这一设计使 AutoBio 能够在保持实验语义一致性的前提下，对不同模型进行可复现、可对比的系统评估。

三．一个真正 “像实验室” 的仿真系统

为了让机器人面对的环境尽可能接近真实实验室，AutoBio 在仿真层面进行了多项针对性扩展：

1. 实验仪器的数字化建模

为确保实验操作的真实性，AutoBio 引入了一套从真实仪器到仿真资产的系统化建模流程。通过多视角视频采集与 3D Gaussian Splatting 重建，我们获得高保真的几何与外观表示，并结合 CAD 建模与结构标注，生成可用于物理仿真的数字仪器模型。

该流程兼顾了视觉真实性与物理可交互性，避免了传统手工建模在复杂结构与真实比例上的偏差。

2. 实验室专用物理机制

标准物理引擎往往难以直接覆盖实验室中常见的交互模式。为此，AutoBio 针对生物实验高频操作扩展了一系列物理机制，包括但不限于：

• 基于螺纹结构的旋拧与自锁建模；
• 具有离散阻尼特性的分档旋钮；
• 偏心机构驱动的周期性振荡；
• 面向液体样本的准静态液面建模。

这些机制使仿真环境能够更准确地反映实验操作中的关键物理约束，从而避免模型在评测中依赖不现实的 “捷径策略”。

3. 面向视觉模型的渲染与界面支持

考虑到 VLA 模型高度依赖视觉输入，AutoBio 在渲染层面引入了基于物理的渲染（PBR）管线，以提升透明材料、液体以及仪器表面的视觉真实性。

同时，系统支持仪器数字界面的动态渲染，使机器人能够通过视觉信号读取参数、识别状态变化并执行相应操作。这一能力对于涉及人机界面的实验任务尤为关键。

四、AutoBio Benchmark：从实验流程到评测任务

基于上述仿真能力，AutoBio 构建了一个包含 16 个任务的评测基准，覆盖三个难度等级：

• 简单任务：单步或低精度操作，如打开或关闭仪器盖；
• 中等任务：需要一定精度和语言理解能力，如拧开离心管、样本转移；
• 困难任务：涉及多模态推理，如读取屏幕参数并精确调节实验设备。

每个任务均支持自动化专家轨迹生成、随机化初始条件以及统一的成功判定机制，使不同模型能够在一致条件下进行公平比较。

五、当前模型的能力边界

我们系统评测了多种主流开源 VLA 模型。实验结果如下图：

• 在简单任务上，模型已表现出较高成功率；
• 当任务涉及高精度装配、液体判断或屏幕读数时，成功率显著下降；
• 失败往往源于细节误差的持续累积，而非对任务的完全误解。

这一结果揭示出当前模型在高精度操作、细粒度视觉推理以及长期实验流程建模方面仍存在显著不足，也进一步验证了 AutoBio 在刻画真实科研场景挑战方面的必要性。

六、总结

AutoBio 提供了一个面向生物实验室的统一仿真与评测框架，使研究者能够系统性分析机器人在真实科研场景中的能力与局限。

我们的目标并非给出最终解决方案，而是通过清晰的问题定义和可复现的评测体系，为通用机器人走向科研自动化提供一个坚实的起点。

随着模型架构、训练范式与跨模态推理能力的持续发展，我们希望 AutoBio 能够成为连接机器人学习与生命科学自动化的重要基础设施。