Embodied Playground：物理・戦略・空間推論を評価する長期的エージェント型ロボティクスベンチマーク

- Embodied Playground は foundation-model agents の long-horizon な推論・実行能力を評価する benchmark。 - 物理的・戦略的・空間的推論の協調を測る。 - 410 の task environments を含む。 - basic manipulation、sequential puzzles、multi-stage household activities。 - EP-100、EP-Easy/EP-Hard、EP-20 の選抜セットを提供。 - 観測・tool access・resource budgets・反復試行・独立検証を含む共通 protocol を規定。

- 要旨からは不明。 - 明示されているのは、long-horizon タスクで foundation-model agents が相互依存する段階をまたいで一貫した推論と信頼できる物理実行を維持できるかを問う点。 - 進捗追跡、中間制約の充足、実行 feedback による plan 修正を要求する設計。 - 既存 benchmark との具体的比較は要旨に記載なし。

- 410 の task environments を構築。 - basic manipulation、sequential puzzles、multi-stage household activities を含む。 - planning depth、geometric constraints、physical execution demands を変化させる。 - EP-100 を選抜。 - 5 suites、16 task types にまたがる 100 tasks。 - EP-Easy/EP-Hard の難易度分割と EP-20 を用意。 - 共通 protocol を規定。 - observation と tool access、resource budgets、repeated trials。 - goal completion、task-rule compliance、physical validity の独立 check。

- 要旨からは不明。 - 評価 protocol として repeated trials と、goal completion・task-rule compliance・physical validity の independent checks を規定。 - 具体的な agent の実験結果や有効性の数値は要旨に記載なし。

- 要旨からは不明。 - 著者は、Embodied Playground が extended task horizons にわたり foundation-model agents が有効な reasoning と action を維持できるかを研究する統一 framework になると述べる。 - 限界や議論の詳細は要旨に記載なし。

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として foundation models を用いた robotic agents の研究。 - long-horizon task planning や embodied reasoning の benchmark 研究。 - 具体論文は要旨からは不明。