arXiv · 机器人与计算机视觉· Khai Loong Aw, Klemen Kotar, Baihan Zhang, Yifan Liu, Lilian Chen, Atlas Kazemian, Rahul Venkatesh, Daniel Yamins·· 24 天前精选AI 评分87
Ψ-0.6:统一视觉语言世界模型中的自适应思维流
$\Psi$-0.6: Adaptive Streams of Thought in a Unified Vision-Language World Model
AI 导读
论文介绍 Ψ-0.6,这是一个统一的视觉 - 语言世界模型,能够在共享的推理过程中自适应地组合感知、语言、几何和仿真模块。该模型通过“思维流”交错处理图像、文本以及显式的几何与运动表示,支持反事实模拟以判断物体移动是否阻碍路径等任务。
推荐理由
该工作提出统一视觉语言世界模型,通过自适应思维流整合感知与几何推理,支持反事实模拟并提升多视角空间推理能力。
来源:arXiv · 机器人与计算机视觉 · arxiv.org