DualWorldBench：评测智能体在符号与接地世界中的配送规划能力

研究团队提出统一评测基准 DualWorldBench，用于评估智能体在受控符号-时序与接地-拓扑复杂度下的多目标规划能力。 该基准包含 TextWorld、SimWorld 和 DualWorld-VQA 三个组件，分别隔离测试符号规划、接地路径规划及感知理解。实验发现智能体在将局部感知转化为全局一致计划时存在普遍缺口，无法可靠将接地观察转化为可行动作序列。