BriefGPT - AI 论文速递 · 2024-10-23T00:00:00Z

ROCKET-1: Mastering Open-World Interaction through Visual-Temporal Context Prompting

📝

内容提要

本文提出了一种视觉-时间上下文提示方法，以解决视觉语言模型在开放世界环境中的决策挑战。该方法利用物体分割信息，帮助低级策略基于视觉观察进行预测，从而提升空间理解能力。

🏷️

标签

决策 开放世界 物体分割 空间理解 视觉语言模型