[论文解读] LogicEnvGen: Task-Logic Driven Generation of Diverse Simulated Environments for Embodied AI

Jianan Wang, Siyang Zhang+5 more|arXiv (Cornell University)|Jan 20, 2026

Artificial Intelligence in Games被引用 0

一句话总结

LogicEnvGen 是一个由大模型驱动的框架，通过推导任务相关的行为计划、收集逻辑轨迹并构建受约束的环境布局，生成逻辑多样且物理上合理的测试环境；同时引入 LogicEnvEval 作为四个指标的基准评测。

ABSTRACT

Simulated environments play an essential role in embodied AI, functionally analogous to test cases in software engineering. However, existing environment generation methods often emphasize visual realism (e.g., object diversity and layout coherence), overlooking a crucial aspect: logical diversity from the testing perspective. This limits the comprehensive evaluation of agent adaptability and planning robustness in distinct simulated environments. To bridge this gap, we propose LogicEnvGen, a novel method driven by Large Language Models (LLMs) that adopts a top-down paradigm to generate logically diverse simulated environments as test cases for agents. Given an agent task, LogicEnvGen first analyzes its execution logic to construct decision-tree-structured behavior plans and then synthesizes a set of logical trajectories. Subsequently, it adopts a heuristic algorithm to refine the trajectory set, reducing redundant simulation. For each logical trajectory, which represents a potential task situation, LogicEnvGen correspondingly instantiates a concrete environment. Notably, it employs constraint solving for physical plausibility. Furthermore, we introduce LogicEnvEval, a novel benchmark comprising four quantitative metrics for environment evaluation. Experimental results verify the lack of logical diversity in baselines and demonstrate that LogicEnvGen achieves 1.04-2.61x greater diversity, significantly improving the performance in revealing agent faults by 4.00%-68.00%.

研究动机与目标

• 证明在评估代理适应性与计划鲁棒性时需要逻辑多样的仿真环境。
• 开发一个自上而下的框架，从任务逻辑中推导行为计划并据此实现多样环境。
• 通过对象放置与布局设计中的约束求解确保物理合理性。
• 提供一个基准（LogicEnvEval）及指标，用于量化物理合理性、逻辑多样性和故障揭示效果。

提出的方法

• 阶段1：行为计划推导使用大模型将任务分解为互不依赖的子任务，并为每个子任务生成一个决策树结构的行为计划。
• 阶段2：逻辑轨迹收集通过组合子任务的决策路径合成不同的逻辑轨迹，使用最小轨迹选择（Minimal Trajectory Selection）启发式方法去除冗余。
• 阶段3：仿真环境构建通过平面布局设计、从资源库中选择对象、基于约束的求解（CSP）来物理上合理地布置对象，为每条轨迹实例化具体环境。
• 通过将对象放置建模为一个用 Z3 求解的约束满足问题（CSP），并对不可行的外周关系提供放宽机制来强化物理合理性。
• 引入 LogicEnvEval，这是一个包含25个任务、涵盖四个代理策略（一个正确、三个错误）的家居基准测试以及四个评测指标。
• 使用受约束的轨迹提示设计来引导大模型，减少环境生成过程中的幻觉现象。

实验结果

研究问题

• RQ1 如何将任务执行逻辑转化为具身代理的多样化、逻辑上不同的测试环境？
• RQ2 相较于基线方法，基于自上而下的逻辑驱动生成过程在逻辑覆盖率和故障检测方面的提升程度如何？
• RQ3 约束求解与轨迹剪枝在确保物理合理性与计算效率方面起到怎样的作用？
• RQ4 LogicEnvEval 在衡量物理合理性、逻辑多样性、场景有效性和故障检测方面的有效性如何？
• RQ5 该方法是否能在不同的大模型之间泛化，并在模型能力变化时保持性能？

主要发现

• LogicEnvGen 相较于基线在逻辑覆盖率方面实现了 1.04–2.61 倍的提升。
• LogicEnvGen 在对有缺陷策略的故障检测率上比基线提高了 4.00%–68.00%。
• 通过基于约束的对象布置（CSP 与 Z3）强制执行，显著提升了各维度的物理合理性（PhyPR）。
• 最小轨迹选择算法可减少冗余、在保持高覆盖率的同时降低计算成本。
• LogicEnvEval 提供了一个以 25 个长期任务为基础、涵盖正确与错误策略的四维基准（PhyPR、LogCov、SceVR、FauDR）。