RoboJev: Một thẩm phán ngôn ngữ thị giác mở để phát hiện thành công của robot

Đoạn trích bài viết

Nhiều video thao tác robot không chỉ ra liệu nhiệm vụ đã được hoàn thành thành công hay không. RoboJev-27B là một mô hình ngôn ngữ tầm nhìn có trọng số mở lấy hướng dẫn nhiệm vụ, 10 khung của một nỗ lực thao túng, và (nếu có) khung cuối cùng từ máy ảnh phụ trợ và dự đoán liệu robot có thể làm gì.