RoboReason提出机器人VLM时空排序评测与数据生成方法

Sagnik Anupam等作者提出RoboReason，用真实机器人立体相机与腕部相机图像构建空间与时间排序任务，用于评估视觉语言模型的视觉推理能力。作者称这类任务直接对应机器人所需技能，适合作为评测方式。 研究测试发现，多个SOTA视觉语言模型在排序任务上表现不佳。团队随后提出可扩展的自主训练数据生成流水线，称基于生成数据的有监督微调和强化学习均显著提升了模型在时空排序任务及下游机器人与视觉推理任务上的表现。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。