VERGSA Embodied Reasoning Verification Dataset

VERGSA Embodied Reasoning Verification Dataset是一个用于验证驱动的生成技能获取的全面训练数据集。该数据集由香港中文大学（深圳）数据科学学院的研究团队构建，旨在通过将实时验证原则系统地集成到具身技能学习中，提高生成技能获取的效率。数据集包含了详细的场景配置和子任务级别的训练监督，适用于各种下游训练场景。通过实验验证，该数据集能够显著提高任务成功率，并优于以LLM作为评估基准的方法。

搜集汇总

数据集介绍

构建方式

VERGSA数据集的构建采用了蒙特卡洛树搜索（MCTS）方法，通过模拟连续子任务序列生成密集奖励信号。具体流程包括：1）基于任务规范生成基础解决方案；2）对每个子任务进行多轮模拟完成方案补全；3）根据子任务对整体技能获取的贡献度自动标注奖励标签。该过程通过动态范例任务池提供上下文参考，并利用过程奖励模型（PRM）验证中间推理步骤，最终形成包含场景配置和子任务监督的全面训练数据集。

特点

该数据集具有三大核心特征：首先，首创性地将数学推理验证机制引入具身学习领域，通过动态范例任务池实现21%的平均任务成功率提升；其次，采用自动化奖励标注方案，利用MCTS模拟生成287个子任务的密集奖励信号，其中50.17%的子任务成功率验证了标注有效性；最后，数据集包含118项任务的多样化场景配置，每任务平均生成9-40个子任务监督，涵盖机械臂操作、家电控制等复杂3D环境交互场景。

使用方法

使用该数据集时，研究者可通过三步流程开展实验：首先加载范例任务池检索相似任务，获取场景配置模板；其次将任务规范、API接口和成功指标输入策略模型，生成子任务分解方案；最后采用PRM验证模型对方案进行实时评估，选择奖励信号最优的解决方案。实验表明，该流程使新任务成功率提升24%，已见任务成功率提升36%。数据集支持强化学习和运动规划两种训练范式，需配合Qwen2.5-Coder-32B等大语言模型使用。

背景与挑战

背景概述

VERGSA Embodied Reasoning Verification Dataset是由香港中文大学（深圳）数据科学学院的研究团队于2025年提出的创新性数据集，旨在解决生成式技能获取中的实时验证问题。该数据集通过将数学推理验证模型扩展到具身学习领域，构建了首个支持验证驱动的生成式技能获取的综合性训练数据集。其核心创新在于动态整合情境相关任务提示，并定义子任务与整体任务的成功指标，同时采用基于蒙特卡洛树搜索的自动化奖励标注方案。该研究标志着具身人工智能领域在可扩展技能学习方面的重要突破，为复杂三维环境中的自主决策模型提供了新的评估范式。

当前挑战

VERGSA数据集面临双重挑战：在领域问题层面，需解决具身任务非结构化特性带来的验证难题（如场景配置的动态适应、长周期目标分解的连贯性），这显著区别于具有明确答案的数学问题验证；在构建过程层面，存在计算密集型难题——每个推理轨迹的生成需消耗大量资源，且失败解中可能包含有价值的场景配置信息。此外，领域特异性专业知识的高标注成本使得传统人工奖励工程方法难以规模化，亟需开发自动化奖励信号合成机制。

常用场景

经典使用场景

VERGSA数据集在具身推理和生成技能获取领域具有广泛的应用价值。该数据集通过动态示例任务池和自动化奖励标注机制，为机器人技能学习提供了丰富的场景配置和子任务监督信号。研究人员可以利用该数据集验证不同算法在复杂3D环境中的表现，特别是在需要多步推理和长时程规划的机器人操作任务中。数据集中的任务涵盖了从简单物体操作到复杂家具装配等多种场景，为算法评估提供了标准化测试平台。

解决学术问题

VERGSA数据集有效解决了具身AI领域的几个关键学术问题。首先，它通过过程奖励模型(PRM)缓解了传统技能学习中稀疏奖励信号的问题，为子任务提供了密集的监督信号。其次，数据集构建的验证机制解决了数学推理验证模型难以直接应用于具身任务的难题，通过蒙特卡洛树搜索(MCTS)实现了自动化奖励标注。最重要的是，该数据集首次系统性地建立了场景配置、子任务分解与最终技能获取之间的验证关系，填补了该领域缺乏标准化评估数据的空白。

衍生相关工作

VERGSA数据集已经催生了一系列相关研究工作。在算法层面，基于该数据集开发的Process Reward Model(PRM)为后续的RoboGen等生成式技能获取系统提供了重要参考。在数据集扩展方面，研究者们相继提出了结合多模态输入的增强版本。该数据集还启发了将验证模型应用于其他具身学习任务的研究，如VIMA多模态提示机器人系统和RT-2视觉-语言-动作模型等。这些衍生工作共同推动了验证驱动式具身学习这一新兴研究方向的发展。