AsgardBench : un benchmark pour la planification interactive à ancrage visuel

AsgardBench isole la capacité des agents IA incarnés à adapter leur planification en fonction de retours visuels, sans s'appuyer sur la prévisibilité de l'environnement. Le benchmark couvre 108 instances contrôlées réparties en 12 types de tâches ménagères, où la position et l'état des objets varient, imposant des séquences d'actions différentes pour une même instruction. L'objectif est de mesurer précisément l'utilisation effective de la perception visuelle dans la prise de décision.