大模型与具身智能的火花，ICML 2024 MFM-EAI Workshop征稿和挑战赛启动

Workshop主页：https://icml-mfm-eai.github.io/

概述

近年来，多模态基础模型（MFM），例如 CLIP、ImageBind、DALL・E 3、GPT-4V、Gemini 和 Sora，已成为人工智能领域最引人注目且发展迅速的领域之一。同时，MFM 的开源社区也涌现出了诸如 LLaVA、LAMM、MiniGPT-4、Stable Diffusion 和 OpenSora 等具有代表性的开源项目。

不同于传统计算机视觉和自然语言处理模型，这类 MFM 正在积极探索通用问题解决方案。通过引入 MFM，具身智能（EAI）能够在模拟器和现实世界环境中更好地处理各种复杂任务。然而，在 MFM 和 EAI 的交叉领域，仍有许多尚未探讨和解决的问题，包括智能体长期决策、智能体运动规划、新环境泛化能力等。

本次 Workshop 将致力于探讨几个关键问题，包括但不限于：

1. MFM 的泛化能力；

2. 用于具身智能的 MFM；

3. 基于生成模型的世界模型；

4. 模仿学习数据收集。

Workshop 征稿

该 workshop 聚焦于多模态基础模型（MFM）、具身智能（EAI）以及两项研究的交叉领域。本次征稿主题包括但不限于：

• Training and evaluation of MFM in open-ended scenarios

• Data collection for training embodied Agents

• Framework designs for MFM-powered embodied agents

• Perception and high-level planning in embodied agents empowered by MFM

• Decision-making and low-level control in embodied agents empowered by MFM

• Evaluation of the capability of embodied agents

• Generative model as world simulator

• Limitations of MFM in empowering EAI

投稿规则

本次投稿将通过 OpenReview 平台实行双盲审稿。投稿的正文篇幅为 4 页，参考文献和补充材料篇幅不限。

• 投稿格式和模板遵循 ICML 2024 投稿指南： https://icml.cc/Conferences/2024/CallForPapers

• 投稿入口： https://openreview.net/group? id=ICML.cc/2024/Workshop/MFM-EAI
  

时间节点

所有时间节点均为 [AoE] (Anywhere on Earth)。

MFM-EAI 挑战赛

三个赛道（可以同时参与）

• EgoPlan 挑战

EgoPlan 挑战赛致力于评估多模态大模型在复杂的现实世界场景中，针对人类日常活动所涉及的真实任务的规划能力。在比赛中，模型需要依据开放式的任务目标描述、第一人称视角下的任务进度视频和当前环境观察，从多样化的动作候选集合中选择出最合理的下一步，以有效推进任务的完成。

• 比赛官网： https://chenyi99.github.io/ego_plan_challenge/

• 即日起 - 2024 年 7 月 1 日  通过填写 [Google 表单] 报名参赛（ https://docs.google.com/forms/d/e/1FAIpQLScnWoXjZcwaagozP3jXnzdSEXX3r2tgXbqO6JWP_lr_fdnpQw/viewform?usp=sf_link ）

• 奖项设置

• 冠军：800 美元

• 亚军：600 美元

• 创新奖：600 美元

• Composable Generalization Agent 挑战

Composable generalization 挑战赛致力于评估由多模态大模型进行规划、low-level 控制器进行执行的组合系统在开放场景下的任务规划能力、任务执行能力和对 novel 场景、物体和技能的泛化能力。在比赛中，模型会根据语言形式的任务描述、多模态视觉输入（RGB 图片 + 深度图片），对任务进行拆解，并由控制器完成对拆解后子任务的执行。

• 更多信息将于 7 月公布