I-PHYRE：交互式物理推理

当前的评估协议主要评估静态场景中的物理推理，这在评估智能体与动态事件交互的能力方面造成了差距。尽管现有方法允许智能体修改初始场景配置并观察后果，但它们缺乏与事件实时交互的能力。为解决此问题，我们引入了 I-PHYRE，一个挑战智能体同时展现直观物理推理、多步规划和原位干预的框架。在此，直观物理推理指对物理的快速、近似理解以解决复杂问题；多步表示 I-PHYRE 中需要广泛的序列规划，因为每次干预都可能显著改变后续选择；原位则意味着需要在场景内及时操作物体，微小的时机偏差就可能导致任务失败。我们制定了四个游戏划分，以仔细审视智能体对交互式物理推理基本原则的学习和泛化能力，通过与代表性场景的交互来促进学习。我们的探索涉及三种规划策略，并考察了多个监督学习和强化学习智能体在 I-PHYRE 上的零样本泛化能力。结果突显了现有学习算法与人类表现之间的显著差距，强调了在增强智能体交互式物理推理能力方面进行更多研究的必要性。环境和基线将公开发布。