研究人员推出MUSON，这是一个新的多模态数据集，旨在提高城市环境中视觉语言模型（VLM）的社会合规导航能力。该数据集包含超过10,000个以自我为中心的样本，并附有详细的思维链注释，涵盖感知、预测、推理、行动和解释。MUSON旨在解决大规模以自我为中心数据缺乏以及当前VLM在理解导航社会规范方面的局限性。在评估中，Qwen3-VL-8B模型表现出最强的性能，实现了高行动准确率和低碰撞率，表明MUSON作为推动该领域发展的基准的有效性。 AI
影响 该数据集有望加速更具社会意识和更安全的自主导航系统的开发。
排序理由 该集群是关于一篇介绍AI研究数据集和基准的新学术论文。[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 →
