跳到正文
arXiv · 机器人与计算机视觉· Haozhe Shan, Xiancong Ren, Han Dong, Yingji Zhang, Haoyuan Shi, Jiayu Hu, Qinfan Zhang, Yi Zhang, Yong Dai, Bin Shen, Lizhen Qu, Zenglin Xu, Xiaozhu Ju·· 2026-10-16AI 评分62

EPIC-Bench:面向具身视觉语言模型细粒度 Grounding 的感知中心基准

EPIC-Bench: A Perception-Centric Benchmark for Fine-Grained Embodied Visual Grounding in Vision-Language Models

AI 导读

EPIC-Bench 是一个针对具身智能场景下视觉语言模型(VLM)基础视觉语言定位(VLG)能力的细粒度基准,弥补了现有大模型在具身环境中的评估空白。该基准包含 6.6k 条人工标注的(图像、文本、掩码)元组,覆盖目标定位、导航和操作三个核心交互阶段,并设计了 23 个细粒度任务与多维设置。研究对 80 个领先的 VLM 进行了系统性评估,提供了诊断性分析结果。

来源:arXiv · 机器人与计算机视觉 · arxiv.org