评测与基准arXiv 2609.21223·9月18日SafeStage：按执行前中后三阶段评测视觉语言机器人操作安全提出 SafeStage 基准，分阶段评测视觉语言机器人操作的物理安全arXiv2609.21223发表9月18日层模型层场景具身与机器人被测模型π0.5、GR00T N1.7、DreamZero 等 4 个风险Agent 危险操作深度解读完整解读