Nghiên cứu
HumanCLAW: Khung đánh giá khả năng thực thi hành động của mô hình ngôn ngữ thị giác (VLM)
(giờ Việt Nam)
Tóm tắt AI
HumanCLAW tách biệt việc ra quyết định và điều khiển vận động, cho phép VLM thực thi các kỹ năng vật lý. Kết quả thử nghiệm cho thấy các mô hình SOTA hiện nay vẫn thất bại do thiếu nhận thức về vị trí và tương tác vật lý trong không gian thực.
Bản dịch AI
Tác giả: Siyao Li, Jiawei Gu, Shuai Liu, Kairui Hu, Zekun Li, Linjie Li, Chengcheng Tang, Po-Chen Wu, Ivan Shugurov, Lingni Ma, Michael Zollhoefer, Sizhe An, Abhay Mittal, Amy Zhao, Ranjay Krishna, Manling Li, Ziwei Liu, Chuan Guo
Xem PDF HTML (thử nghiệm)
DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký)
Lịch sử gửi bài
Từ: Li Siyao [xem email] [v1] Thứ Tư, 29 tháng 7 năm 2026 17:51:36 UTC (13.025 KB)
Bài viết được AI dịch và tổng hợp tự động từ HuggingFace Daily Papers (Nổi bậtBài nghiên cứu). Liên kết bài gốc ở phía trên. Dữ liệu đồng bộ qua API công khai được ghi nguồn tại AI HOT (canonical) ↗. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.