研究人员推出TVRBench,这是一个旨在测试基础模型在3D环境中主动调整视角以匹配目标图像能力的新基准。当前模型在此任务上表现不佳,尤其是在多轮视觉历史和将视觉差异转化为具身运动方面。训练后技术,特别是视觉-动作SFT,在提高性能方面显示出希望,其中一个模型成功率超过50%。 AI
影响 为评估和训练基础模型的具身空间智能建立了一个新基准,有望推动机器人技术和交互式AI的进步。
排序理由 这是一篇介绍基础模型新基准和评估方法的学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →