研究人员开发了ReferTrack，一个新颖的具身视觉跟踪（EVT）系统，它使用单个前向摄像头来跟踪自然语言描述的目标。该系统首先通过边界框识别目标，然后规划轨迹来指导其决策。ReferTrack 包含过去边界框的时间记忆，并通过在自定义的Refer-QA数据集上进行联合训练来增强。它在EVT-Bench上取得了最先进的性能，优于一些多摄像头系统，并在腿式和人形机器人上展示了强大的现实世界迁移能力。 AI
影响 这种新方法通过提高单摄像头目标跟踪能力，可能实现更复杂的机器人导航和交互。
排序理由 该项目描述了一篇关于具身视觉跟踪新方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
