新基准显示智能体局部理解难以转化为全局可行规划。
资讯摘要
论文提出 DualWorldBench，一个围绕共享取送任务界面构建的智能体规划基准，包含 TextWorld（符号规划）、SimWorld（具身路径规划）和 DualWorld-VQA（感知与场景理解诊断）三部分。作者报告实验显示智能体在局部理解与全局一致规划之间存在差距：难以在时间约束下推导最优任务序列，也难以把具身观测转化为可行动作序列。
要点速读
- DualWorldBench 由 TextWorld、SimWorld 和 DualWorld-VQA 三个互补组件构成，覆盖符号—时间与具身—拓扑复杂度。
- 作者报告在 TextWorld 中智能体难以在相互影响的时间约束下得出最优任务序列，在 SimWorld 中具身观测未能可靠转化为可行动作序列。
- DualWorld-VQA 的结果表明感知与拓扑理解不一定转化为受约束规划能力；数据集与代码已公开。
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 2026/11/5 08:00:38（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。