DuoCook：受Overcooked启发的视觉规划与协调基准

新基准DuoCook用20张地图评测VLM双人协调，最强模型订单完成率26.2%。

资讯摘要

论文提出DuoCook基准，在Unreal Engine环境中评估视觉语言模型的规划与协调能力。单个VLM从俯视视觉观察控制两名玩家，选择高层动作，由引擎执行导航。基准含五类共20张地图，覆盖设备争用、地形变化与交接依赖等场景，并提供道具图例、锅中食材计数指示和网格目的地等视觉线索。作者在全部20张地图上比较四个VLM，测量任务得分、订单完成率、交付精度、动作接受率和API开销，并做共享自写笔记本的记忆消融。作者报告最强模型gpt-6-astra平均订单完成率为26.2%，笔记本记忆对不同模型得分影响不一。

要点速读

1. 基准含五类共20张地图，覆盖设备争用、地形变化和交接依赖。
2. 单个VLM控制两名玩家，从俯视观察选择高层动作，导航由引擎执行。
3. 作者报告gpt-6-astra平均订单完成率26.2%；笔记本记忆对Claude、Qwen为正，对GPT、Gemini为负。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。