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
将真实第一视角视频编译为可执行符号环境,用于评估大模型智能体的长程具身任务能力。
包含“egocentric compilation”标签的内容
将真实第一视角视频编译为可执行符号环境,用于评估大模型智能体的长程具身任务能力。
恢复决策状态、探索替代行动并验证后续执行,为具身规划器构建分支经验的后训练框架。
结合可执行状态、语义锚点与时序桥接层,合成第一视角训练数据的 Agent Harness 系统。
从真实第一视角视频构建可恢复的决策状态,通过替代行动和后续验证生成规划器训练经验。