研究人员推出了VLAN,一个旨在评估视觉-语言模型在可访问导航方面能力的新基准数据集。VLAN包含1000个场景和20000条导航轨迹,其中包含针对不同实体(如腿式和轮式机器人,以及视障或行动不便人士)量身定制的特定动作和可访问性功能。该数据集将障碍物分为可通行(Passable)、可绕行(Bypass)、高风险(HighRisk)和阻塞(Blocked)四类,并根据物理安全和用户特定约束来评估导航。目前的视觉-语言模型在跨不同用户画像调整障碍物相关性和安全标准方面存在困难,凸显了对支持可访问性导航的专用数据集和指标的需求。 AI
影响 该基准测试有望推动更具包容性的机器人和辅助技术AI导航系统的发展。
排序理由 该条目描述了一个新的基准数据集以及在arXiv上发表的相关研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Humanoid Robots
- legged agents
- people with visual impairments
- Quadruped Robots
- vision-language model
- VLAN
- wheeled agents
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →