RoboGaze评估框架与基准发布

Minh-Loi Nguyen等作者提出RoboGaze，一个免训练的多智能体视觉语言模型（VLM）评估器，并配套发布RoboGazeBench基准。该系统先定位任务与场景，再把每个子任务路由给特定维度的专家模型，并由一个批评者模块核验结果。 RoboGaze按6个维度和30种失败类型生成带时间定位的诊断报告，说明机器人世界模型哪里失败、何时、为何以及多严重。作者称，其同时测量了该标注体系的可靠性与覆盖范围。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。