การวัดผลหุ่นยนต์ในปัจจุบันมักเน้นที่ทักษะการหยิบจับวัตถุเพียงลำพัง แต่ในการใช้งานจริงหุ่นยนต์ต้องทำงานร่วมกับมนุษย์ ซึ่งต้องอาศัยการเข้าใจเจตนา (Intent) และการประสานงานในเชิงเวลา งานวิจัยนี้จึงนำเสนอ HRIBench ซึ่งเป็นชุดทดสอบที่ออกแบบมาเพื่อประเมินความสามารถในการทำงานร่วมกันโดยเฉพาะ ผ่านสคริปต์สถานการณ์ที่กำหนดบทบาทของผู้ใช้ เช่น ผู้สอน ผู้ร่วมงาน หรือผู้ขัดขวาง
จากการประเมินโมเดลหุ่นยนต์ชั้นนำอย่าง GR00T, pi0.5 และ ACT พบว่าโมเดลเหล่านี้ยังมีปัญหาใหญ่ในการปฏิบัติตามโปรโตคอลความปลอดภัยและการตอบสนองต่อการกระทำของมนุษย์ที่ไม่ได้คาดการณ์ไว้ อย่างไรก็ตาม การนำข้อมูลจาก HRIBench ไปช่วยฝึกฝน (Fine-tuning) สามารถยกระดับความสำเร็จในงานจริงได้มากขึ้น เช่น การเพิ่มอัตราความสำเร็จของโมเดล GR00T N1.5 จาก 0.10 เป็น 0.43 ซึ่งถือเป็นการก้าวกระโดดที่สำคัญสำหรับการพัฒนาหุ่นยนต์ที่ทำงานร่วมกับคนได้จริง
