DualWorldBench 发布：评测智能体在符号与具身世界中的配送规划
论文AI 评分 66/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究者提出统一基准 DualWorldBench，围绕共享的取件—配送接口，考察智能体在受控的符号—时间约束与具身—拓扑约束下的多目标规划能力。该基准由三部分组成：TextWorld 隔离考察不同任务组合与释放动态下的符号规划；SimWorld 在受控拓扑变化下，用文本、图像或多模态输入评测具身路径规划；DualWorld-VQA 则覆盖感知、场景理解与规划诊断。实验显示，局部理解与全局一致规划之间存在普遍落差：在 TextWorld 中，智能体难以在相互影响的时间约束下推导最优任务序列；在 SimWorld 中，具身观测不能稳定转化为可行动作序列；DualWorld-VQA 进一步表明，感知与拓扑理解未必带来受约束的规划能力。数据集与代码已公开。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载基准的三个组成
DualWorldBench 的设计围绕一个共享的取件—配送接口展开，使符号侧与具身侧的评测可以对照。TextWorld 负责隔离符号规划，通过改变任务组合与释放动态来施加时间约束；SimWorld 负责具身路径规划，在受控的拓扑变化下接受文本、图像或多模态输入；DualWorld-VQA 是诊断套件，覆盖感知、场景理解与规划三个层面。三者分工明确：前两者考察规划本身，后者用于定位能力短板出现在哪一环。
实验暴露的落差
论文报告的核心现象是局部理解与全局一致规划之间存在普遍差距。在 TextWorld 中，智能体面对相互影响的时间约束时，难以推导出最优的任务序列；在 SimWorld 中，具身观测未能可靠地转化为可行的动作序列；DualWorld-VQA 的结果进一步说明，感知与拓扑理解并不自动带来受约束条件下的规划能力。作者据此把核心挑战归结为：如何把符号或具身证据组合成全局可行且高效的多目标计划。
可用性与定位
作者将 DualWorldBench 定位为面向更紧密的感知—推理—规划一体化智能体的测试平台，数据集与代码均已公开，便于复现与后续对比。对于关注具身规划与多模态智能体的研究者，这一基准的价值在于它把任务组合、时间约束与拓扑变化纳入受控变量，从而能区分「看得懂」与「规划得出」两种能力。
为什么值得看
想判断智能体能否把感知与推理拼成全局可行的多目标计划，这个基准给出了可复现的失败点。
多模态智能体数据集
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。