Aalto大学 发布 ViPlan 数据集, 应用在 视觉语言模型、机器人视觉规划 领域

Aalto大学 本次发布的数据集 ViPlan, ViPlan是一个用于评估视觉规划任务中视觉语言模型（VLMs）的开源基准。该数据集包含两个领域的一系列具有挑战性的任务：一个是经典Blocksworld规划问题的视觉变体，另一个是模拟的家庭机器人环境。ViPlan旨在评估不同大小和类型的VLMs，以及它们在视觉规划任务中的表现。该数据集旨在帮助研究人员更好地理解VLMs在视觉规划任务中的能力和局限性，并为未来的研究提供参考。

查看ViPlan

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。