본 논문은 멀티 에이전트 협업적 시각 인식 평가를 위한 최초의 종합적인 벤치마크인 AirCopBench를 소개합니다. MLLMs(Multimodal Large Language Models)는 단일 에이전트 시각 작업에서 가능성을 보여주었지만, 멀티 에이전트 협업 인식 평가를 위한 벤치마크는 부족했습니다. AirCopBench는 시뮬레이터와 실제 데이터를 기반으로 하며, Scene Understanding, Object Understanding, Perception Assessment, Collaborative Decision의 4가지 주요 작업 차원을 포함하는 14.6k+ 개의 질문으로 구성됩니다. 이 벤치마크는 열악한 인식 조건에서 MLLMs을 평가하도록 설계되었으며, 40개의 MLLMs에 대한 평가는 협업 인식 작업에서 상당한 성능 격차를 보였고, Sim-to-real 전이 가능성을 확인했습니다.