HAZARD挑战赛：动态变化环境中的具身决策
计算机视觉与模式识别
2024-01-24 v1 人工智能
计算与语言
摘要
高保真虚拟环境的最新进展是构建智能具身智能体以感知、推理并与物理世界交互的主要驱动力之一。通常，除非智能体与之交互，否则这些环境保持不变。然而，在现实世界场景中，智能体也可能面临以意外事件为特征的动态变化环境，并需要迅速采取相应行动。为了弥补这一差距，我们提出了一个新的模拟具身基准测试，称为HAZARD，专门设计用于评估具身智能体在动态情况下的决策能力。HAZARD包含三种意外的灾难场景，包括火灾、洪水和风灾，并特别支持利用大型语言模型（LLM）来辅助常识推理和决策。该基准测试使我们能够评估自主智能体在动态变化环境中通过各种流程（包括强化学习（RL）、基于规则和基于搜索的方法）的决策能力。作为利用大型语言模型应对这一挑战的第一步，我们进一步开发了一个基于LLM的智能体，并对其解决这些挑战性任务的潜力和挑战进行了深入分析。HAZARD可在https://vis-www.cs.umass.edu/hazard/获取。
引用
@article{arxiv.2401.12975,
title = {HAZARD Challenge: Embodied Decision Making in Dynamically Changing Environments},
author = {Qinhong Zhou and Sunli Chen and Yisong Wang and Haozhe Xu and Weihua Du and Hongxin Zhang and Yilun Du and Joshua B. Tenenbaum and Chuang Gan},
journal= {arXiv preprint arXiv:2401.12975},
year = {2024}
}
备注
ICLR 2024. The first two authors contributed equally to this work