ALFWorld

把 ALFRED 家务任务同步做成文字游戏，可先在文字里学、再到画面中执行。

ALFWorld 由 Shridhar、Xingdi Yuan 等人（华盛顿大学、微软研究院、卡内基梅隆大学）提出，发表于 ICLR 2021。它用 PDDL（规划领域定义语言）描述 ALFRED 的每个场景，再借微软的 TextWorld 引擎生成等价的文字冒险游戏：智能体读到房间里有哪些家具和物品的文字描述，输入 go to desk 1 这类文字命令行动。任务分 6 类，训练用 3553 个游戏。作者的 BUTLER 智能体先在文字环境里学高层策略，再配上视觉识别（Mask R-CNN）和底层控制模块，迁移到 AI2-THOR 画面中执行，训练比只在画面里学快约 7 倍且泛化更好。大语言模型兴起后，ReAct 等智能体工作把它当作常用测试环境。

例子「在台灯下查看闹钟」任务，文字版里依次输入 go to desk 1、take alarmclock 2 from desk 1、use desklamp 1 即可完成。

也叫

ALFWorld 文字家务环境

相关

ALFRED、AI2-THOR、大模型任务规划、规划领域定义语言、长程任务、EmbodiedBench

来源

ALFWorld: Aligning Text and Embodied Environments for Interactive Learning (arXiv 2010.03768)
ALFWorld project site
ReAct: Synergizing Reasoning and Acting in Language Models (arXiv 2210.03629)