找不同：变化环境中具身智能体的新任务

具身AI（Embodied AI）是一个近期的研究领域，旨在创造能够在环境中移动和操作的智能体。该领域的现有方法要求智能体在全新且未探索的场景中行动。然而，这种设定远离实际用例，后者需要在同一环境中执行多个任务。即使环境随时间变化，智能体仍可依靠其对场景的全局知识，同时尝试将其内部表示适应环境的当前状态。为朝此设定迈进一步，我们提出“找不同”：一种用于具身AI的新任务，其中智能体可访问环境的一张过时地图，并需要在固定时间预算内恢复正确的布局。为此，我们从现有的3D空间数据集出发收集了一个新的占据地图数据集，并为单一环境生成若干可能布局。该数据集可用于流行的Habitat模拟器，并完全兼容在导航中使用重建占据地图的现有方法。此外，我们提出了一种探索策略，能够利用对环境的先前知识，比现有智能体更快、更有效地识别场景中的变化。实验结果表明，所提出的架构在此新设定下的探索任务中优于现有的state-of-the-art模型。