現在のビジョン言語アクション（VLA）ベンチマークは、ロボットの操作スキルを個別に評価することに重点を置いていますが、実世界の人間とロボットの協働に必要な相互作用構造の評価が不足しています。実際の協働作業では、意図理解、時間的な同期、プロトコル遵守、動的環境での安全な相互作用など、共有エージェンシー下での複雑な調整が求められます。このギャップに対処するため、研究チームはHRIBenchという、実行可能な相互作用シナリオに基づいた意図認識型の人間とロボット協働作業の診断ベンチマークを開発しました。 HRIBenchは協働タスクを構造化されたシナリオスクリプトとして表現し、エージェントの役割、時間的依存関係、協調制約、人間の行動分布を明示的にモデル化しています。このアプローチに基づいて、ベンチマークは3つの代表的相互作用役割を定義しています。Instructor（指示者）、Collaborator（協働者）、Intruder（介入者）であり、意図伝達、共同調整、人間の介入下での堅牢性をカバーしています。ベンチマークには13の役割条件付きタスクと、多様な相互作用軌跡とシーン変動から生成された650以上の評価エピソードが含まれています。 タスク成功の二値的評価を超えて、HRIBenchは同期性、応答性、プロトコル遵守、安全性にまたがる解釈可能な相互作用中心のメトリクスを導入しています。研究チームはGR00T、pi0.5、ACTに基づく適応されたポリシーを統一されたプロトコルの下で評価しました。結果として、現在の基盤ロボットポリシーは強い操作能力にもかかわらず、協働設定で著しく苦戦しており、時間的調整と意図認識行動における大きな制限が明らかになりました。HRIBenchでのファインチューニングは継続的に協働パフォーマンスを向上させ、実世界適応研究ではシミュレーションデータがGR00T N1.5の物理タスク成功率を0.10から0.43に改善し、相互作用中心のロボット学習の進展におけるベンチマークの価値を実証しています。