arXiv · 机器人与计算机视觉· Vineet Bhat, Mikaela Angelina Uy, Siyi Chen, Alex Zook, Xuning Yang, Stan Birchfield, Valts Blukis, Jonathan Tremblay·· 2026-10-06AI 评分42
MG-VQA:利用操作进行视觉问答的 VLMs 基准评测
MG-VQA: Manipulation Grounded Visual Question Answering with VLMs
AI 导读
研究提出 MG-VQA-Bench,在杂乱桌面环境中评估八款 VLM 通过操作获取证据以回答被遮挡问题的表现。直接观察与感知任务平均成功率仅约 37%,而引入抓取和推挤等操作后提升至 56.8%。强工具调用模型如 GPT-6-Astra(83.0%)能持续搜索并修正,代码与基准已开源。
来源:arXiv · 机器人与计算机视觉 · arxiv.org