本研究探讨智能体如何在复杂多步任务中学习和利用环境对象的可供性模型。通过结合可供性模型与任务规划框架，提出新方法，使智能体能够根据环境状态生成有效的行动计划，从而快速学习并完成现实任务。

本文介绍了创建超过10K数据集的方法，通过提取七个sitcom中人物与场景中不同物体的互动场景，预测新场景下的affordances。研究结果显示，数据规模对于学习具有普适性和鲁棒性的affordances模型至关重要。