研究人员开发了一种新颖的方法，使具身AI系统能够将语言指令准确地映射到像素坐标，这种能力被称为视觉指向。他们的解决方案PointArena 2026通过代理驱动的数据合成、确定性的可控数据管道以及用于注意力和坐标校正的模型端模块，解决了关键的失败模式，并在基准测试中达到了77.2%的准确率。该系统在各种类别中表现出色，包括可供性、空间关系和推理。 AI
影响 增强了具身AI遵循指令的能力，有望改善机器人导航和任务完成。
排序理由 详细介绍具身AI新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
