3D model

新的OmniCAD基准测试揭示VLM在3D机器人装配推理方面存在困难

研究人员推出了OmniCAD，这是一个新推出的、大规模的基准测试，旨在评估视觉语言模型（VLM）在机器人装配背景下的3D空间推理能力。该基准测试包含25,000个机械装配体，平均每个装配体有12个零件，并包含经过人类验证的3D模型和各种配合关系。初步实验表明，当前的VLM在复杂的工业装配推理方面存在困难，尤其是在复杂性增加时，在零件定位、配合关系和整体装配有效性方面表现出不准确性。创建者计划发布该基准测试和相关工具，以促进该领域的进一步研究。