本研究提出了ECBench，这是一个高质量的基准，旨在系统评估大型视觉语言模型（LVLMs）的具身认知能力。ECBench通过多样的场景视频和开放问答格式，推动LVLMs的认知能力提升，为具身代理模型的开发奠定基础。