Robo2VLM: Visual Question Answering from Large-Scale In-the-Wild Robot Manipulation Datasets

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出Robo2VLM框架,旨在提升视觉语言模型在真实情境下的应用能力。通过多模态机器人轨迹数据生成视觉问答查询,Robo2VLM-1有效增强了模型在空间和交互推理方面的能力。

🏷️

标签

➡️

继续阅读