DeliveryGym：长时程具身智能体规划强化学习环境
原文标题：DeliveryGym: An RL Environment for Long-Horizon Embodied Agent Planning with Adaptive Curriculum
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 DeliveryGym，一个用于连续快递班次评估与训练的 3D 环境，将多模态工具交互与持久世界动态耦合，从模拟器事件计算轨迹奖励，使决策成本可用于强化学习。环境还会根据策略暴露的弱点自适应调整未来训练班次，同时保持评估固定。在六个模型与 13 张城市地图上，RL 使 Qwen3-VL-4B 净收入提升 54.3%，自适应课程在相同 rollout 预算下比均匀采样提升 16.5%。
- 问题
- 具身智能体缺乏能反映跨任务资源消耗依赖的长时程规划训练环境。
- 方法
- 构建 3D 快递班次环境 DeliveryGym，耦合多模态工具交互与持久世界动态，从模拟器事件计算轨迹奖励，并按策略弱点自适应调整训练班次。
- 结果
- 13 张城市地图、6 个模型上，RL 使 Qwen3-VL-4B 净收入提升 54.3%；自适应课程在相同 rollout 预算下比均匀采样提升 16.5%。
- 影响
- 为具身智能体提供可执行的长时程规划 RL 训练与固定评估基准，暴露了「会送单」与「会排班」之间的能力差距。
深读 · 结论先行AI 生成展开看要点与影响 ↓
DeliveryGym 用连续快递班次训练具身智能体，RL 使 Qwen3-VL-4B 净收入提升 54.3%。
- •3D 环境耦合多模态工具交互与持久世界动态，从模拟器事件计算轨迹奖励
- •把决策的时间、能量、金钱成本变成可强化学习的反馈，覆盖完整班次而非单任务成败
- •环境按策略暴露的弱点自适应调整未来训练班次，评估集保持固定
- •六个模型、13 张城市地图上，RL 使 Qwen3-VL-4B 净收入提升 54.3%
- •相同 rollout 预算下，自适应课程比均匀采样测试收入高 16.5%
为什么重要：长时程具身任务的关键是跨步骤资源依赖，这条把「练什么情境」也纳入变量，对做智能体训练环境与课程设计的团队有借鉴意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。