論文の概要: Game2Real-Bench: Do Toy Games Reveal and Transfer to Real-World Visual Reasoning?

• arxiv url: http://arxiv.org/abs/2610.18834v1
• Date: Tue, 13 Oct 2026 17:55:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:34:27.922652
• Title: Game2Real-Bench: Do Toy Games Reveal and Transfer to Real-World Visual Reasoning?
• Title（参考訳）: Game2Real-Bench: ゲームはリアルワールドのビジュアル推論に移行するのか?
• Abstract要約: 本研究では,玩具ゲームで測定された能力が実世界の視覚的推論と一致しているか,ゲーム事例が移動を支援するかを検討する。 プロシージャで生成した1000個のゲームサンプルを実行可能検証し,400個の実世界のサンプルを共有推論要求に従ってキュレートする。 Pearson と Spearman の相関は 0.935 である。
• 参考スコア（独自算出の注目度）: 49.15607533200217
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual reasoning is an important capability for vision-language models (VLMs) to understand visual evidence, spatial structure, constraints, and state changes. Existing evaluations mainly rely on real-world data or procedurally generated tasks. Real-world data preserve natural complexity, while procedural games provide controllable generation and verifiable solutions. However, it remains unclear whether abilities measured in toy games correspond to real-world visual reasoning and whether game examples can support transfer. We introduce Game2Real-Bench, a benchmark that studies these connections across four capability groups, including fine-grained perception, spatial reasoning, constraint reasoning, and sequential planning. We construct 1,000 procedurally generated game samples with executable verification and curate 400 real-world samples aligned by shared reasoning requirements rather than visual similarity. We evaluate 25 representative VLMs and observe strong game-to-real consistency, with Pearson and Spearman correlations of 0.935. We further study one-shot game-to-real transfer on four models. Constraint reasoning improves for several models, while fine-grained perception declines with game demonstrations. We also construct Game2Real-Dataset with nearly 24K verified game samples across 18 tasks and 65 QA families. Our benchmark, dataset, and code are available at https://github.com/QingAnLiu/Game2Real-Bench.
• Abstract（参考訳）: 視覚推論は視覚的エビデンス、空間構造、制約、状態変化を理解する視覚言語モデル(VLM)にとって重要な能力である。 既存の評価は主に実世界のデータや手続き的に生成されたタスクに依存している。 実世界のデータは自然の複雑さを保ち、プロシージャゲームは制御可能な生成と検証可能なソリューションを提供する。 しかし、玩具ゲームで測定された能力が現実の視覚的推論に対応しているのか、ゲーム例が移動を支援することができるのかは、まだ不明である。 ゲーム2Real-Benchは,細粒度知覚,空間的推論,制約推論,シーケンシャルプランニングを含む,4つの機能群にまたがるこれらの接続を研究するベンチマークである。 プロシージャで生成した1000個のゲームサンプルを実行可能検証で作成し,400個の実世界のサンプルを視覚的類似性ではなく,共用推論要求に整合してキュレートする。 Pearson と Spearman の相関は 0.935 である。 さらに、4つのモデルで1ショットのゲーム・トゥ・リアル・トランスファーについて検討する。 制約推論はいくつかのモデルで改善され、ゲームデモでは微粒な知覚が低下する。 また、ゲーム2Real-Datasetを18のタスクと65のQAファミリーで24K近い検証済みのゲームサンプルで構築する。 ベンチマーク、データセット、コードはhttps://github.com/QingAnLiu/Game2Real-Bench.orgで公開されている。

関連論文リスト

• GameCraft-Bench: Can Agents Build Playable Games End-to-End in a Real Game Engine? [65.42976417627254]
  ゲーム生成はゲームエンジン内で行われ、スクリプト、シーン、アセット、レンダリング、実行時インタラクションは共同でコヒーレントなゲームプレイを生成する必要がある。 我々は、完全なゲームアーティファクトを生成する問題として、エンド・ツー・エンドのゲーム生成を形式化する。 我々は、このフレームワークを15のゲームファミリーで140のGodotタスクからなるベンチマークであるGameCraft-Benchとしてインスタンス化する。
  論文  参考訳（メタデータ） (2026-06-16T12:34:39Z)
• GameWorld: Towards Standardized and Verifiable Evaluation of Multimodal Game Agents [76.60994803070436]
  GameWorldは、ブラウザ環境におけるマルチモーダル大言語モデル(MLLM)ゲームエージェントの評価のためのベンチマークである。 2つのゲームエージェントインタフェースが研究され、 (i) キーボードとマウスのコントロールを直接出力するコンピュータ利用エージェント、 (ii) セマンティックアクション空間で作用する汎用マルチモーダルエージェントが研究されている。 18組のモデルとインタフェースのペアによる結果は、最高のパフォーマンスエージェントでさえ、ビデオゲームで人間の能力を達成するには程遠いことを示唆している。
  論文  参考訳（メタデータ） (2026-04-08T17:49:03Z)
• Order from Chaos: Physical World Understanding from Glitchy Gameplay Videos [82.4003989236851]
  本稿では,物理世界理解のためのリッチでスケーラブルな監視源として,予め定義された物理法則に違反した視覚異常を参照しながら,ゲームプレイビデオのグリッチを利用する新しいパラダイムを提案する。 我々はPhysGameを紹介した。これは5つの物理ドメインと16のきめ細かいカテゴリからなる140,057のグリッチ中心の質問応答ペアを含むデータセットである。 実験の結果、PhysGameはGame2Realの転送性を大幅に向上させ、Qwen2.5VLの物理推論性能を2.5%向上させ、MVBenchベンチマークで1.9%向上した。
  論文  参考訳（メタデータ） (2026-01-23T06:02:07Z)
• VideoGameBench: Can Vision-Language Models complete popular video games? [8.5302862604852]
  ビデオゲームは、人間が自然に帰納的バイアスを生かして学習し、習得するために直感的に作られている。 1990年代にVLMが直接リアルタイムに対話する人気ゲーム10種からなるベンチマークであるVideoGameBenchを紹介する。 その結果,フロンティア・ビジョン言語モデルは,ゲーム開始以降の進行に苦慮していることがわかった。
  論文  参考訳（メタデータ） (2025-05-23T17:43:27Z)
• lmgame-Bench: How Good are LLMs at Playing Games? [60.01834131847881]
  本稿では,現代の大規模言語モデル (LLM) エージェントを評価するために,人気ゲームを使用する上での大きな課題について検討する。 我々はlmgame-Benchを導入し、ゲームを信頼性評価に変換する。
  論文  参考訳（メタデータ） (2025-05-21T06:02:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。