행동하는 시각 모델
고정 영상의 정답만 예측하는 것과 달리 에이전트가 움직이고 물체를 다루면 다음 관측이 달라진다. AI2-THOR는 이런 상호작용을 실내 장면에서 구성할 수 있게 한다.
학습의 여러 방식
강화 학습과 모방 학습 및 상호작용을 통한 학습을 연구하는 기반이다. 환경과 에이전트의 경험을 연결하지만 특정한 하나의 학습 알고리즘 자체를 의미하지는 않는다.
인식과 계획 과제
시각 질의 응답과 계획뿐 아니라 표현 학습 및 검출과 분할 같은 연구에도 활용할 수 있다. 같은 환경을 사용해도 과제 정의와 필요한 관측은 달라질 수 있다.
환경과 벤치마크
시뮬레이션 환경과 그 위에서 구성한 평가 문제는 구별해야 한다. 특정 지시 수행 자료의 성능을 AI2-THOR 전체의 보편적 성능으로 해석하는 것은 적절하지 않다.