arXiv · 机器人与计算机视觉· Sagnik Anupam, Utkarsh Lal, Aneesh Edara, Botong Zhang, Yao Tang, Jiatao Gu, Dinesh Jayaraman, Osbert Bastani·· 23 天前精选AI 评分78
RoboReason:通过可扩展数据生成增强机器人相关 VLM 的推理能力
RoboReason: Boosting Robotics-Relevant VLM Reasoning Through Scalable Data Generation
AI 导读
论文指出将视觉语言模型(VLM)集成到机器人操作流程中时,真实世界评估困难且难以扩展。作者提出利用真实机器人上的立体和腕部相机图像进行空间与时间排序任务来评估视觉推理能力,具体包括基于语言描述的帧重排、按距离的物体深度排序以及像素坐标下的左右排序。
推荐理由
提出基于真实机器人立体与腕部相机数据的可扩展生成管线,通过时空排序任务提升 VLM 在下游机器人任务中的推理能力。
来源:arXiv · 机器人与计算机视觉 · arxiv.org