Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.00400v1

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2508.00400v1 (cs)
[提交于 2025年8月1日 ]

标题: Sari沙盒:用于具身人工智能代理的虚拟零售商店环境

标题: Sari Sandbox: A Virtual Retail Store Environment for Embodied AI Agents

Authors:Janika Deborah Gajo, Gerarld Paul Merales, Jerome Escarcha, Brenden Ashley Molina, Gian Nartea, Emmanuel G. Maminta, Juan Carlos Roldan, Rowel O. Atienza
摘要: 我们介绍了Sari Sandbox,这是一个高保真、逼真的3D零售店模拟环境,用于在购物任务中与人类表现进行基准测试。 解决在具身代理训练中的零售特定模拟环境的不足,Sari Sandbox包含三个商店配置中的250多个可交互的杂货商品,可通过API进行控制。 它支持虚拟现实(VR)用于人机交互和基于视觉语言模型(VLM)的具身代理。 我们还介绍了SariBench,一个跨不同任务难度的标注人类演示数据集。 我们的沙盒使具身代理能够导航、检查和操作零售商品,提供与人类表现的基准。 最后,我们给出了基准测试、性能分析和提升真实感和可扩展性的建议。 源代码可通过https://github.com/upeee/sari-sandbox-env获取。
摘要: We present Sari Sandbox, a high-fidelity, photorealistic 3D retail store simulation for benchmarking embodied agents against human performance in shopping tasks. Addressing a gap in retail-specific sim environments for embodied agent training, Sari Sandbox features over 250 interactive grocery items across three store configurations, controlled via an API. It supports both virtual reality (VR) for human interaction and a vision language model (VLM)-powered embodied agent. We also introduce SariBench, a dataset of annotated human demonstrations across varied task difficulties. Our sandbox enables embodied agents to navigate, inspect, and manipulate retail items, providing baselines against human performance. We conclude with benchmarks, performance analysis, and recommendations for enhancing realism and scalability. The source code can be accessed via https://github.com/upeee/sari-sandbox-env.
评论: 14页,被接受为ICCV 2025零售视觉研讨会论文
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2508.00400 [cs.CV]
  (或者 arXiv:2508.00400v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.00400
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Emmanuel Maminta [查看电子邮件]
[v1] 星期五, 2025 年 8 月 1 日 08:01:38 UTC (18,689 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号