跳到正文
arXiv · 机器人与计算机视觉· Jun Wang, Xiaohao Xu, Xiaonan Huang·· 24 天前AI 评分70

Probing Collision Grounding in Vision-Language Models for Safe Human-Robot Collaboration

Probing Collision Grounding in Vision-Language Models for Safe Human-Robot Collaboration

AI 导读

该研究提出 TouchSafeBench 基准,用于评估视觉语言模型(VLM)将视觉观测与机器人几何、场景布局及时间运动绑定以推断碰撞的能力。基准包含 2,940 个室内共在模拟片段,涵盖社交导航与重排任务,提供多视角 RGB-D 观测、俯视轨迹图及校准元数据。

来源:arXiv · 机器人与计算机视觉 · arxiv.org