최근 멀티모달 거대 언어 모델(MLLMs)은 체화된 에이전트(embodied agents)로서 강력한 잠재력을 가지고 있지만, 시각적으로 근거가 있는(visually grounded) 환경에서 협업하는 능력은 여전히 충분히 탐구되지 않았습니다. 이러한 격차를 해소하기 위해, 우리는 다양한 실세계 작업, 두 가지 협업 구조, 그리고 세 가지 협업 모드를 아우르는 평가 플랫폼을 갖춘 멀티모달 체화된 협력 벤치마크인 MECoBench를 소개합니다. 다양한 MLLMs에 대한 광범위한 실험을 통해 우리는 세 가지 주요 발견을 요약합니다: (i) 협업은 일반적으로 체화된 작업 완료를 향상시키지만, 그 이점은 협업을 통한 이득과 조정 복잡성(coordination complexity) 사이의 균형에 달려 있습니다. (ii) 통신(Communication)은 협업 이득에 필수적이며, 최적의 협업 모드는 팀 규모와 모델 역량에 따라 달라집니다. (iii) 또한, 협업은 노이즈가 있는 사전 정보(noisy priors) 및 탐색(exploration) 조건 하에서 강건성(robustness)을 향상시킵니다. 일반적으로, MECoBench는 멀티모달 체화된 협업의 메커니즘과 한계를 이해하기 위한 체계적인 테스트베드를 제공합니다. 코드와 데이터셋은 https://github.com/q-i-n-g/MECoBench 에서 확인할 수 있습니다.