본 논문은 로봇 조작에서 저수준 추론 능력을 평가하기 위한 새로운 벤치마크인 ManipBench를 제안합니다. Vision-Language Models (VLMs)의 저수준 로봇 조작 추론 능력을 다양한 측면(물체 간 상호 작용 및 변형 가능한 물체 조작 포함)에서 평가하기 위해 고안되었습니다. 10개 모델 계열의 33개 대표 VLMs를 광범위하게 테스트하여 모델 성능의 차이와 실제 조작 작업과의 상관관계를 분석하고, 현재 모델과 인간 수준의 이해 간의 상당한 차이를 보여줍니다. ManipBench 웹사이트(https://manipbench.github.io)에서 자세한 내용을 확인할 수 있습니다.