BEHAVIOR-1K 是一个面向“人类真实需求”的具身智能/家用机器人基准：它把 1,000 个日常家庭活动（清洁、烹饪、整理等）形式化为可评测的长时程任务，并提供成套模拟、数据与工具，用来训练与评估移动操作（mobile manipulation）智能体。任务来源于大规模人类时间使用与偏好调查，强调“机器人能帮人做什么”这个维度。官方网站与论文把它定位为“人本”与“现实感”兼顾的综合基准。behavior.stanford.edu+1
Benchmark with 1,000 Everyday Activities and
Realistic Simulation
一、核心组成
- 任务定义（BDDL）：用一阶逻辑把每个活动写成「对象范围 + 初始条件 + 目标条件」，并配有谓词/函数解析器与采样/校验接口；1,000 个任务都在 BDDL 中维护，可本地或在线知识库浏览。behavior.stanford.edu+1
- 仿真引擎（OmniGibson）：基于 NVIDIA Omniverse / Isaac Sim / PhysX，提供高保真物理与写实渲染，支持刚体、可变形体与液体等效果，并封装机器人控制器、传感器、向量化并行环境等高层 API。behavior.stanford.edu+1
- 3D 资产与知识库：约 50 个可交互场景、≈9k+ 对象（带语义/物理属性），以及粒子系统（如水/污渍等）与“转化规则”（切片、清洗、加热/融化、配方等）。资产多来自 ShapeNet / TurboSquid，因授权要求而加密分发；在线知识库可浏览任务、同义词集（synset）、类别、对象、场景与转化等统计。behavior.stanford.edu+2arXiv+2
- 遥操作与采集：配套 JoyLo/VR 等遥操作接口与示例，用于示教/数据收集与人机在环。behavior.stanford.edu
二、规模与难点
- 规模：1,000 个活动、≈50 个住宅/办公室/餐馆等场景、≈9k 对象；任务跨度长、对复合操控技能与多步骤规划要求高。arXiv+1
- 真实感：支持液体、可变形、热效应、透明/反射、复杂关节等，使“做饭/清洁/收纳”这类操作的前置/后置条件与物理后果可在仿真中真实发生。Proceedings of Machine Learning Research
三、开源工程仓库结构（一体化工程）
官方 GitHub 仓库把主要模块放在同一处，典型目录包括：OmniGibson/（仿真）、bddl/（任务与知识库）、datasets/（场景/对象/粒子系统）、docs/（文档与示例）等，便于“拉仓库→装依赖→跑示例”的完整流程。GitHub
四、快速上手（官方脚本）
- 系统建议：Linux/Windows，推荐 32 GB+ 内存、8 GB+ 显存、RTX 2080 或更高。GitHub
- 一键安装思路：克隆仓库（可用最新稳定版 tag，例如 v3.7.1），执行
setup.sh/setup.ps1并按需加开关：--omnigibson（仿真）--bddl（任务库）--joylo（遥操作）--dataset（下载数据）- 无人值守时可用
--accept-nvidia-eula、--accept-dataset-tos等自动接受协议。GitHub
- 运行与示例：文档内提供环境/学习/对象状态/遥操作等 demo（如
behavior_env_demo、navigation_policy_demo），以及评测接口与基线指引。behavior.stanford.edu
五、评测与竞赛
官网提供 BEHAVIOR 2025 Challenge（赛道、基线、榜单、评测规程与指标），用于统一比较各方法的任务成功率与效率等指标。behavior.stanford.edu+1
六、为什么重要
BEHAVIOR-1K 把“人真正想让机器人做的事”转成标准化、可复现实验——同时覆盖语义前后置条件与细致物理后果，能系统性地推动长时程移动操作、规划与学习（如 RL/IL/语言引导策略）的研究，也支持从仿真到真实机器人的迁移研究。arXiv