SOMA第一视角身体运动理解基准发布

2026年10月28日，arXiv Artificial Intelligence 刊出 Matea Tashkovska 等作者的论文，发布 SOMA——一个从第一视角视频评估细粒度身体运动理解的基准。该基准包含 1,632 个人工核验问题，覆盖身体构型、运动动力学和时间推理三个维度。研究评测了 37 个闭源、开源及专用第一视角多模态大模型（MLLM）：人类仅凭视频的准确率为 68.5%，而最强模型 Qwen3.6-27B 零样本准确率仅 50.0%。错误分析显示，MLLM 常误读佩戴者自身身体、错判事件时序，并存在偏好右手、漏计重复次数等偏差。作者表示，完整基准、训练数据与代码将在论文给出的链接发布。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。