Ego2World：将第一视角烹饪视频编译为支持信念状态规划的可执行世界

Ego2World 将真实第一视角视频编译为面向具身智能体的可执行符号仿真环境。

该工作属于 Egocentric Compilation 研究线路，覆盖 World Graph、belief-state planning 与评测框架，论文状态为 Under review。

评测结果

公开预印本在 105 个任务上评估了 6 个规划器。在单独的 Qwen-Plus 配对实验中，持久信念状态使动作有效率提高 4.15 个百分点、视觉查询尝试减少 90.27%，同时增加了 token 消耗，未检测到任务完成率提升。这些结果区分了动作可执行与任务目标达成。

阅读公开预印本。