English(EN) EgoPathBench: Evaluating Zero-Shot Egocentric Waypoint Decision-Making in Vision-Language Models

新的EgoPathBench基准揭示了VLM在零样本导航中的局限性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-16 04:00

研究人员推出了EgoPathBench，这是一个旨在评估视觉语言模型（VLM）零样本航点导航能力的新基准。该基准通过评估VLM的综合空间智能，包括目标识别、行动后果评估、距离估计和路径规划，来解决现有数据集的局限性。EgoPathBench包含31,852个训练问题、1,345个验证问题和1,111个基准问题，每个问题都包含一个自中心RGB图像、一个自然语言目标和可见的航点。目前的VLM显示出显著的局限性，排名最高的模型仅达到28.3的EgoPath分数，并且在具身导航任务中遇到困难。在EgoPathBench训练数据上微调Qwen 3.5-4B显著提高了其分数至38.9，并提升了在外部空间基准上的表现。 AI

影响突出了当前视觉语言模型在现实世界导航任务中的显著局限性，表明需要改进空间推理能力。

排序理由该条目描述了一篇介绍用于评估AI模型基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一篇介绍用于评估AI模型基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Yang Zhao, Zhuo Chen, Xubo Yang · 2026-09-16 04:00

EgoPathBench：评估视觉语言模型中的零样本自我中心航点决策能力

arXiv:2609.16610v1 Announce Type: new Abstract: Zero-shot waypoint navigation requires vision-language models to select, from the current first-person observation, a sequence of spatial actions that is feasible for the agent and reaches the goal, placing joint demands on the inte…

本文如何被排名

报道来源 [1]

EgoPathBench：评估视觉语言模型中的零样本自我中心航点决策能力

相关实体

相关话题