arXiv Robotics· Sagnik Anupam, Utkarsh Lal, Aneesh Edara, Botong Zhang, Yao Tang, Jiatao Gu, Dinesh Jayaraman, Osbert Bastani·· 4 小时前AI 评分31
RoboReason：用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 提出用真实机器人立体相机与腕部相机拍摄的图像做时空排序任务，来评估 VLM 的视觉推理能力，包括按任务描述排序打乱帧、按深度排序物体和按像素坐标从左到右排序物体。实验显示多个 SOTA 视觉语言模型在这些排序任务上表现吃力。团队构建可扩展的自主训练数据生成流水线，监督微调和强化学习均能显著提升模型在时空排序及下游机器人与视觉推理任务上的表现。
来源：arXiv Robotics · arxiv.org