# ASIMOV 압축 컨텍스트 (Prompt 1에 붙여넣기)

> 출처: ASIMOV Benchmark v1(arXiv:2503.08663) / v2(arXiv:2509.21651) / 공식 페이지 asimov-benchmark.github.io / TFDS catalog. 공개 자료 기준.

ASIMOV Benchmark는 Google DeepMind·Princeton 연구진의 CoRL 2025 프로젝트로, "robot brains" 역할을 하는 foundation model의 **semantic/physical safety**를 평가·개선하기 위한 공개 벤치마크 family다. v1은 데이터를 Multimodal·Injury·Dilemmas 세 유형의 안전 질문으로 구성한다. v2는 embodiment constraints(payload·gripper·thermal·reach), injury, video 시나리오를 추가한다.

핵심 개념:
- **Semantic Safety**: 위험한 의도·지시를 의미 수준에서 인식하고 거절/대안 제시.
- **Physical Safety**: 물리적 위해(화상·낙상·충돌 등) 회피.
- **Embodiment Constraint**: 로봇 자신의 물리 한계(payload/gripper/thermal/reach) 위반 방지.
- **Multimodal Reasoning**: 텍스트+이미지(+영상) 근거로 위험 판단.
- **Robot Constitution**: 안전 원칙 집합을 적용해 판단을 교정하는 guardrail.

접근 요약: v1 builder는 asimov_multimodal_auto_val(50 image+text, 29.03 MiB), asimov_multimodal_manual_val(59 image+text), asimov_injury_val(304 text), asimov_dilemmas_auto_val(34 text), asimov_dilemmas_scifi_val(51 text). v2는 tfds-nightly 필요 — asimov_v2_injuries(319 text), asimov_v2_constraints_with_rationale/without_rationale(각 164 image-text, bounding boxes 포함), asimov_v2_videos(287 video, 647.40 MiB).

주의: 메일의 "15,000개 테스트셋"은 공개 공식 subset 수치와 정확히 일치하지 않는다. 가장 가까운 공개 대규모 축은 v1 Multimodal-Auto **train**의 11,080 image contexts / 288,421 instructions다. 따라서 오늘은 공개 subset으로 workflow를 체감하고, 원본 15,000건이 별도로 있으면 동일 taxonomy·batch pipeline으로 확장한다.