CookBench：复杂烹饪场景下的长期程度具身规划基准
机器人学
2025-08-06 v1
摘要
具身规划旨在创建能够在复杂物理世界中执行长期任务的智能体。然而，现有具身规划基准常常包含短期程度任务和粗糙的动作原语。为此，我们引入 CookBench，这是一个用于复杂烹饪场景下长期程度规划的基准。我们利用建立在强大 Unity 游戏引擎之上的高保真仿真环境，定义了一个复杂、真实的环境中的前沿 AI 挑战。CookBench 的核心任务分为两个阶段。首先，在意图识别中，智能体需要准确解析用户的复杂意图；其次，在具身交互中，智能体应通过长期程度、细粒度的物理动作序列来执行识别到的烹饪目标。不同于现有具身规划基准，我们细化了动作粒度至空间层级，既考虑关键操作信息，又抽象掉低级机器人控制。此外，我们提供了全面的工具套件，封装仿真器。其统一 API 支持宏观级操作（如下单和采购原料），以及丰富的细粒度具身动作，用于物理交互，使研究人员能够专注于高层次的规划与决策。进一步，我们对当前闭源的大型语言模型和视觉语言模型进行了深入分析，揭示其在复杂、长期程度任务中的主要不足及挑战。该完整基准将开放源代码，以促进未来研究。
引用
@article{arxiv.2508.03232,
title = {CookBench: A Long-Horizon Embodied Planning Benchmark for Complex Cooking Scenarios},
author = {Muzhen Cai and Xiubo Chen and Yining An and Jiaxin Zhang and Xuesong Wang and Wang Xu and Weinan Zhang and Ting Liu},
journal= {arXiv preprint arXiv:2508.03232},
year = {2025}
}
备注
9 pages, 5 figures