أساسيات تقييم الذكاء الاصطناعي المتمثل في الأجسام: AsgardBench

تم تقديم AsgardBench كمعيار جديد لتقييم قدرة الوكلاء الاصطناعيين على تعديل خططهم بناءً على الملاحظات البصرية. يشمل هذا المعيار 108 مهمة موزعة على 12 نوعًا، مما يتطلب من الوكلاء التكيف مع ما يرونه في بيئتهم. على سبيل المثال، عندما يُطلب من روبوت تنظيف مطبخ، يجب عليه أن يلاحظ ما إذا كانت الأغراض نظيفة أو متسخة ويعدل خطته وفقًا لذلك. تتطلب هذه العملية من الوكلاء استخدام ملاحظاتهم البصرية لتعديل قراراتهم، وهو ما يُعد تحديًا كبيرًا. بينما تقدم العديد من المعايير اختبارات متعددة تشمل الإدراك والتنقل، فإن AsgardBench يركز على عزل قدرة الوكيل على استخدام الملاحظات البصرية بشكل فعال. هذا التوجه يضمن تقييمًا أكثر دقة لقدرات الوكلاء في بيئات غير متوقعة.