跳到正文
arXiv · AI· Sagnik Anupam, Utkarsh Lal, Aneesh Edara, Botong Zhang, Yao Tang, Jiatao Gu, Dinesh Jayaraman, Osbert Bastani·· 24 天前AI 评分29

RoboReason:通过可扩展数据生成提升机器人相关 VLM 推理能力

RoboReason: Boosting Robotics-Relevant VLM Reasoning Through Scalable Data Generation

AI 导读

RoboReason 提出基于双目和手腕相机图像的空间时序排序任务,以评估视觉语言模型(VLM)在机器人下游任务中的推理能力。 实验表明当前 SOTA VLM 在排序任务上表现不佳;采用自主数据生成管线,结合监督微调(SFT)与强化学习(RL),可显著提升模型在时空排序及机器人下游任务中的推理性能。 该方法有助于克服真实世界评估成本高的难题,推动 VLM 在机器人操作管线中的实际应用。

来源:arXiv · AI · arxiv.org