Newest papers

DuoCook: An Overcooked-Inspired Benchmark for Visual Planning and Coordination

Ziyi Jiao, Heng Zhang, Drishti Regmi, Xiaokang Ye, Lianhui Qin, Peter Yichen Chen · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31511 · open-access PDF

Hindi

एक खाना पकाने के कार्य में दो खिलाड़ियों को समन्वय करने के लिए एक दृष्टि-भाषा एजेंट की आवश्यकता होती है जो बदलाव के दृश्य राज्यों, अनुक्रम व्यंजन चरणों को ट्रैक करता है, और एक समय बजट के तहत साझा संसाधनों को आवंटित करता है। हमने इन क्षमताओं का मूल्यांकन करने के लिए एक Overcooked-आधारित बेंचमार्क पेश किया है Unreal Engine वातावरण में कोडिंग एजेंटों का उपयोग करके बनाया गया है। एक एकल दृष्टि-भाषा मॉडल दोनों खिलाड़ियों को शीर्ष से नीचे दृश्य अवलोकनों से नियंत्रित करता है, जबकि इंजन नेविगेशन चलाता है, उच्च-स्तरीय कार्यों का चयन करता है।

Machine translation (Meta M2M100); the English original follows.

Abstract

Coordinating two players in a cooking task requires a vision-language agent to track changing scene states, sequence recipe steps, and allocate shared resources under a time budget. We introduce an Overcooked-inspired benchmark for evaluating these capabilities in Unreal Engine environments constructed using coding agents. A single vision-language model controls both players from top-down visual observations, selecting high-level actions while the engine executes navigation. The benchmark contains 20 maps in five categories. These categories support evaluation of centralized coordination under

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange