发布 MotIF-1K 数据集, 应用在 机器人动作理解、视觉-语言模型 领域

本次发布的数据集 MotIF-1K, 该数据集名为MotIF-1K，包含了653个人类演示和369个机器人演示，覆盖了13个任务类别，旨在为机器人动作理解的视觉-语言模型提供基准测试和精细调整。该数据集捕捉了各种上下文相关的动作，其中包括不同的中间轨迹，确保了对视觉-语言模型（VLMs）的全面挑战，使其在成功检测时考虑整个轨迹。该数据集规模涵盖了1022个演示，跨越了13项任务，其核心任务是机器人动作理解和成功检测。

查看MotIF-1K

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。