งานวิจัยนี้นำเสนอ ReactHuman ซึ่งเป็นเกณฑ์มาตรฐาน (Benchmark) ชุดแรกที่สร้างขึ้นเพื่อทดสอบการตัดสินใจเชิงโต้ตอบที่สอดคล้องกับหลักฟิสิกส์สำหรับหุ่นยนต์ฮิวแมนนอยด์ โดยเน้นไปที่สถานการณ์อันตรายในครัวเรือนที่เกิดขึ้นอย่างฉับพลัน เช่น การรับจานที่กำลังลื่นหล่น หรือการหลบมีดที่ตกลงมา ซึ่งเป็นการทดสอบความฉลาดของระบบ Embodied Intelligence ในแง่ของการนำความเข้าใจทางฟิสิกส์มาเปลี่ยนเป็นการกระทำเพื่อความปลอดภัยในทันที
ชุดข้อมูลนี้ประกอบด้วยตระกูลเหตุการณ์ 17 ประเภท และฉากจำลองกว่า 1,000 ฉากที่สามารถทำซ้ำได้แบบ bit-for-bit โดยใช้การจำลองวัตถุแข็ง (Rigid-body simulation) ที่ความถี่ 240 Hz นอกจากนี้ยังมีสถานการณ์ที่ท้าทายด้วยวัตถุที่มีลักษณะภายนอกขัดแย้งกับคุณสมบัติทางฟิสิกส์ (Adversarial objects) เช่น ทั่งตีเหล็กที่ทำจากโฟม หรือลูกแอปเปิลที่ทำจากเหล็ก เพื่อทดสอบว่าโมเดลหลงเชื่อรูปลักษณ์มากกว่าแรงเคลื่อนไหวจริงหรือไม่ ผลการประเมิน MLLM ตัวแทน 7 รุ่นพบว่าโมเดลส่วนใหญ่ยังล้มเหลวในการรับมือกับอันตรายถึง 1 ใน 3 และมักจะยึดติดกับการตัดสินใจแบบเดิมมากกว่าการสังเกตสถานการณ์จริง
