arXiv · 机器人与计算机视觉· Siyuan Ma, Yu Qi, Cheng Ye, Ruotian Peng, Xinyi Xu, Zitiantao Lin, Zedong Cai, Yijian Huang, Weiyang Liu, Siyuan Wang, Yandong Wen·· 29 天前AI 评分65
RoboJudge:作为具身视频生成裁判的多模态大语言模型
RoboJudge: Multimodal Language Models as Judges for Embodied Video Generation
AI 导读
该研究构建了 RoboJudge-Bench 基准,包含来自 8 个语料库的 800 条人工标注视频,覆盖机械臂、人手及灵巧手等场景。实验发现通用多模态大语言模型在物理一致性判断上与人类评分对齐度较低,而专为通用领域设计的视频裁判模型未能稳定迁移至具身场景。
来源:arXiv · 机器人与计算机视觉 · arxiv.org