Natural Language Interaction Benchmark for Robotics是机器人自然语言交互领域的权威评测基准，由斯坦福大学、麻省理工学院、卡内基梅隆大学等机构联合开发，旨在标准化评估机器人自然语言交互系统的性能。该基准涵盖指令理解、对话管理、语义解析、知识grounding、多轮交互五大核心维度，包含20个标准化测试任务和48个评估指标。测试任务包括单指令执行、多指令序列、歧义指令处理、上下文理解、反馈修正等典型自然语言交互场景。评估指标包括指令理解准确率、任务完成率、对话成功率、响应时间、用户满意度、泛化能力、鲁棒性等。该基准已在全球数百个研究机构和企业中使用，是机器人自然语言交互领域最权威的评测基准之一。