HAZARD 挑战：动态环境下的体验决策制定
内容提要
本文综述了多智能体与多模态大模型在仿真环境中的研究，涵盖危险疏散、家庭任务、机器人规划与探索。GPT-4 Vision在具身决策中表现突出，准确率较GPT-4 HOLMES高约3%，领先开源模型26%。BEHAVIOR、ALFRED等基准推动了家务活动与长程规划评测，AMSLAM将成功率提升23.48%。
延伸解读
多模态大模型在具身决策中的优势与局限
文章指出，GPT-4 Vision在端到端具身决策中平均准确率比GPT-4 HOLMES高出约3%，并领先开源最先进多模态大模型26%。这表明强大的多模态大模型在具身决策上潜力显著，但优势仅见于最新的GPT-4 Vision模型，说明模型版本和闭源属性可能影响实际应用，读者需关注其泛化能力和可复现性。
仿真基准推动家庭任务与长程规划研究
BEHAVIOR基准涵盖100项家务活动，使用逻辑谓词描述初始与目标条件，并度量任务进展和效率；ALFRED则用于评估长程规划。这些基准为机器人家庭任务提供了标准化测试环境，但文章也提到现有算法在物理约束和规划任务中仍需进一步发展，提示当前仿真结果与实际部署之间可能存在差距。
AMSLAM方法在探索与规划中的性能提升
AMSLAM利用多模态神经SLAM预测可承受意义地图并进行规划，在ALFRED基准上成功率提升23.48%，相对先前工作改进超过40%。这一结果说明融合视觉与语言信息、结合可承受性预测能有效增强长程规划鲁棒性，但文章未提及其在真实环境中的表现，读者应留意仿真与现实的迁移挑战。
Q&A
HAZARD 挑战主要研究什么？
HAZARD 挑战旨在通过人工智能和多智能体系统构建仿真模型，以理解人们在危险环境中的反应和应对方法，从而提供更高效的疏散策略，改善危险区域内个人的安全和福祉。
GPT-4 Vision 在具身决策中的表现如何？
GPT-4 Vision 在端到端的具体决策制定能力方面表现出色，平均决策准确率比 GPT4-HOLMES 高出 3%，并且超过开源最先进的多模态大型语言模型 26%。
BEHAVIOR 基准是什么？
BEHAVIOR 基准是针对仿真环境中的日常家务活动设立的，涵盖 100 项活动，涉及清洁、维护和食品制备等方面，使用面向对象的逻辑谓词描述活动的初始条件和目标条件，并提出了基于度量标准的计算方法以及一套实现该基准所需的环境。
AMSLAM 方法在 ALFRED 基准测试中取得了什么成果？
AMSLAM 方法在 ALFRED 基准测试中实现了 23.48% 的成功率新最高水平，相对先前发表的作品取得了超过 40% 的改进。
如何将 BEHAVIOR 活动定义转化为不同模拟器中的活动？
研究探讨了将基于逻辑型 BEHAVIOR 活动定义转化为不同模拟器中的相对应活动，作为拓展机器人在家庭任务中应用的第一步，并提出了一种适用于不同领域和场地的标准测试方法。
在仿真环境中，如何提高大规模环境勘探的效率？
提出了一种基于风险感知的元层决策框架来平衡本地和全局勘探的权衡，将覆盖计划者的传统层次结构建立在元层决策制定的基础上，利用环境历史、可通过性风险和运动动力学约束等信息来决定本地和全局决策之间的转换，进而提高大规模环境勘探的效率。
