OpenEQA 开放词汇具身问答基准

OpenEQA (Open-Vocabulary Embodied Question Answering Benchmark)进阶

Meta 推出的具身问答基准，考智能体能否凭对真实环境的观察用自然语言答题。

OpenEQA 由 Meta FAIR 于 2024 年 4 月发布，论文发表于 CVPR 2024。具身问答（EQA）要求智能体理解自己所处或曾经看过的环境，并用自然语言回答，比如「我把钥匙放哪了」。它包含 1600 多个人工撰写、非模板生成的问答对，对应 180 多个真实环境的视频和扫描，场景来自 HM3D 和 ScanNet。设有两种设定：情景记忆 EM-EQA，根据已录下的观察历史作答，对应智能眼镜；主动探索 A-EQA，机器人需要自己移动去收集信息。由于答案是开放词汇的自由文本，作者用大语言模型打分的 LLM-Match 指标自动评估，与人工评判高度相关。