机器人VLM时空排序评测与数据生成方法

2026年10月27日arXiv Robotics报道，Sagnik Anupam等作者提出并发布面向机器人视觉语言模型（VLM）的时空排序评测任务与可扩展训练数据生成流程。该方法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，以评估VLM的视觉推理能力，任务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。目前进展为方法发布与实验评估，报道未提及后续应用或部署情况。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。