تظل مسألة grasping الروبوتية (robotic grasping) واحدة من أبرز التحديات في تطبيقات العالم الحقيقي المعقدة. ومع التقدم الأخير في نماذج الذكاء الاصطناعي واسعة النطاق (large-scale models)، لاحظنا القدرة المتزايدة لهذه النماذج في التفكير وحل المشكلات المتعلقة بالمهام الروبوتية. ومع ذلك، فإن المعايير الحالية لقياس grasping تركز بشكل أساسي على الكشف البصري المستقل عن وضعية قبض اليد، مما يفشل في التقاط تعقيد المهام التي تتطلب تفكير متعدد الخطوات وفهم دلالي أثناء التنفيذ.

لمعالجة هذه الفجوة، نقترح معيار GCA-Bench، الذي يتضمن سيناريوهات صعبة تتعلق ب"grasping with complex action"، التي تتطلب التفكير على مستوى المشهد والقيود الدلالية. يتيح GCA-Bench تقييم النماذج الحديثة تحت نفس الظروف، حيث تمكنا من عرض فعالية هذا المعيار الجديد من خلال تنفيذ مجموعة متنوعة من النماذج الأساسية، بدءاً من خطوط الكشف التقليدية إلى طرق التعلم الشامل.

تظهر الدراسات التجريبية أن معدلات النجاح في السيناريوهات المعقدة لـ grasping لا تتجاوز 70%، مما يسلط الضوء على القيود الحرجة التي لا تزال قائمة. بالإضافة إلى ذلك، نقدم مقاييس تقييم جديدة، ونحلل نماذج الفشل الحرجة، ونوفر رؤى للمساعدة في تطوير استراتيجيات grasping أكثر قوة وقابلية للتعميم. يجب على الباحثين والمطورين في مجال الروبوتات والذكاء الاصطناعي الاستفادة من GCA-Bench كأداة أساسية لتحسين عمليات الفهم والتنفيذ في التقنيات الروبوتية.