WorkBenchMark 是一个以乐高得宝（LEGO Duplo）积木为基础的机器人装配基准测试，由 Wenbo Ma 等四位作者提出，研究动机来自 RoboCup 智能制造业联赛（Smart Manufacturing League）。该论文已被 RoboCup Symposium 2026 接收，并于 2026 年 6 月 2 日提交至 arXiv，编号为 arXiv:2606.19358，归类于机器人学（cs.RO）。
研究团队指出，机器人装配任务同时涉及两个层面：一是低层的操作与抓取，二是任务级的符号推理，而且这一切都必须在物理约束下完成。当前端到端学习方法尚无法可靠地解决这种组合性问题。正是这一空白促使作者构建专门的基准，以便系统性地衡量不同方法在真实装配场景中的表现。
WorkBenchMark 共提供 400 个任务，并按照难度划分为四个复杂度层级，使研究者能够从简单装配逐步过渡到更复杂的组合结构，从而细粒度地评估方法的泛化能力与稳健性。基准同时配套开放词汇（open-vocabulary）感知能力，意味着系统需要识别并操作此前未见过的积木或部件，而不仅限于预定义的类别。
在基线方法方面，作者提出了名为“Assembly-by-Disassembly”（以拆解实现装配）的方案。该方法采用基于规划的流水线：先通过拆解过程推导出装配顺序与结构关系，再据此指导实际装配。实验结果显示，这一基于规划的管线在所有四个复杂度层级上都优于一种现代视觉-语言-动作（vision-language-action）方法，表明在物理约束下的符号推理仍是当前端到端模型难以替代的环节。
为支持更广泛的机器人装配研究社区，作者承诺将公开基准本身、仿真环境以及基线实现。论文全文可通过 arXiv 获取 PDF、实验性 HTML 版本以及 TeX 源码，并附有 DOI（10.48550/arXiv.2606.19358）。提交信息显示，该版本为 v1，于 2026 年 6 月 2 日 17:15:31 UTC 上传，文件大小约 1,890 KB。