ARNOLD

ARNOLD (A Benchmark for Language-Grounded Task Learning with Continuous States in Realistic 3D Scenes)进阶

在 Isaac Sim 中考察机器人按语言把物体操作到指定连续状态的基准。

ARNOLD 由北京通用人工智能研究院（BIGAI）联合 UCLA、北大、清华、哥伦比亚大学提出，发表于 ICCV 2023。以往的语言操作基准大多把目标当成「开 / 关」这样的二值状态，ARNOLD 则要求达到连续的目标值，比如把抽屉拉开到指定程度、倒出指定比例的水，并让物体状态保持在目标附近的范围内才算成功。它基于英伟达 Isaac Sim 和 PhysX 5.0，包含 8 个任务（拿起物体、调整朝向、开关抽屉、开关柜门、倒水、转移水）、40 种物体、20 个场景和 1 万条专家演示，语言指令由模板生成。评测除同分布测试外，还单列新物体、新场景、新目标状态等泛化划分；作者发现当时的语言条件策略在这些划分上明显变差。