跳到正文
arXiv · 机器人与计算机视觉· Fan Yang, Tatsuya Kikuzuki, Jun Liang, Jun Liu, Wenkai Li, Ryosuke Kawamura, Ananya Hazarika, Prajit KrisshnaKumar, Shaunak Mehta, Yuushi Toyoda·· 13 天前AI 评分43

Embodied RAG++:从存在到可行——具身场景中的检索增强生成基准与框架

Embodied RAG++: Retrieval-Augmented Generation From What Exists to What Works in Embodied Scenes

AI 导读

Embodied RAG++ 提出 E2W-Bench 基准,利用动态混合场景图关联产品手册以评估机器人 - 物体分配。该框架在 Qwen2.5-32B 上达到 0.90、Llama3.3-70B 上达到 1.00 的配对准确率,优于基线且预处理时间最短。论文已接受至 SII 2027,代码与数据许可状态待 arXiv 注册确认。

来源:arXiv · 机器人与计算机视觉 · arxiv.org