工业机器人擅长重复，但真实订单要求它在“同一件事的已知变化”里保持可靠：料箱里工具的位置变了、齿轮的啮合角度变了、线缆的走向变了。VABAR 把这类任务叫可变自动化（Variational Automation），并把它当成一个介于固定自动化与通用机器人之间的独立类别来测。
六类工位任务
VABAR 选了六个面向应用的操作任务类：工具分拣、工具挂装、齿轮啮合、注射器装盒、线缆插入、线缆布线，覆盖工业、医疗与基础设施场景。每个任务都有明确的变异轴、难度分级与成功判定，支持单臂 Franka 与双臂 YAM。它不是无约束随机场景，而是把“预期的变化分布”写进任务定义：所有实例仍是同一任务，生成的构型必须满足支撑、碰撞与几何一致性，且落在机器人工作空间内。
形式化上，一个任务类由环境坐标系、机器人与夹爪规格、可用资产集合（含物理属性与碰撞网格）、允许的物体构型空间及其分布、可测的成功条件组成；每个实例指定场景中每个物体与夹具的初始位姿。
基准本身也要有设计准则
作者先给出七条准则：与智能体机器人的相关性（能评估“构造—测试—修订”机器人程序的过程）、应用相关性（结果应能预测真实成功率、节拍与人工介入）、可复现与文档完备、受控多样性（显式变异轴与难度，而非全靠随机）、可重复（固定随机种子与统一成功判据）、计算效率、耐久性（可版本化扩展变异范围，避免很快饱和）。
为了让编码智能体有活干，VABAR 在开源技能库 MORSL 上扩展出 33 个可复用技能，补充功能特征定位、受约束放置与可变形线缆处理；线缆类技能要估计并跟踪有序三维中心线，支持锚定、布线与端子放置。参考解由人写成计算图，跑在与智能体相同的感知、规划、执行栈上，因此人机差距只反映图的组合与参数化能力。
实现有两套：基于 Newton 物理引擎的一套，以及基于 NVIDIA Isaac Lab-Arena、可在 L40 集群上并行评测的一套；成功条件用扩展后的 BDDL 表达，把刚体与可变形物体统一到同一套规格。
基线结果说了什么
每个任务—难度组合取 30 个独立实例，报告成功率、节拍与失败来源。结果呈现一致的规律：难度上升，成功率下降、节拍上升；在精密对准与可变形物体任务（USB-C 插入、线缆布线）上退化尤其明显，而工具挂装这类离散件级任务的对象级成功率相对稳定，只是总时长随件数增长。
用同一个底层模型，GaP 在 12 个任务—难度条件中有 11 个成功率高于通用编码智能体 Claude Code：齿轮啮合一级、二级成功率分别为 70.0% 与 60.0%，而 Claude Code 一次都没成功。但 GaP 在所有条件下都低于人写计算图，说明“可靠地组合技能并正确参数化”仍是自主生成策略的主要难点。失败归因上，低变异环境下感知与抓取相当可靠，运动规划与轨迹执行是主因；场景一杂乱或物体可变形，遮挡与未建模的线缆力学让感知、抓取明显退化；精密接触任务里状态估计仍稳，失败几乎全落在插入对准。
论文还给了两个注射器卡住的实例：最终验证分别记录 7/8 与 6/8 支入盒，注射器横跨盖板平面，针端在内、尾端在外。这类夹持与落入姿态的偏差不会出现在任务级“成功/失败”里，却正是现场需要复盘的东西。
另一条结论对工程有直接价值：技能复用非常广泛。末端位姿获取、基于 SAM3 的分割等核心能力被六类任务共用；工具挂装与注射器装盒虽然物体与应用不同，操作结构相似，也复用了同一批高层语义技能。这也是 VABAR 的立场：它只测外部可测的任务目标与变异分布，不规定智能体内部用什么表示、什么规划器，因此生成代码、计算图、工具调用、学习策略与混合系统可以在同一条件下比较。
资料来源：VABAR: A Variational Automation Benchmark for Agentic Robotics — arXiv（2026）。本文为技术要点整理/编译，非原文全文。