前沿VLM连“转头找物体”都做不好,论文揭示主动视觉搜索短板
_vztu · x · 2026-10-04
一篇被 NeurIPS 2026 接收的论文测试了前沿视觉语言模型（VLM）在极简的主动视觉搜索任务上的表现：模型只需控制 2 自由度的“转头”动作来找到目标物体。
- 结果显示大多数前沿 VLM 在这个基础任务上表现挣扎
- 作者进一步发现「360° 空间中的想象能力」（imagination in 360°）对主动视觉搜索至关重要
- 论文已入选 NeurIPS 2026
「具身」频道最新
- 为多 Agent 会话打造实体控制台:LCD+物理按键切换会话 — Weak_Cherry_4878 · 2026-10-04
- NYU 推出 5 美元开源磁触觉传感器 eFlesh,3D 打印即可自制 — lukas_m_ziegler · 2026-10-04
- SPEAR 仿真器开源:可编程控制 UE 应用,暴露超 1.4 万个函数 — rsasaki0109 · 2026-10-04
- vLLM 作者晒新「室友」:走路像喝了三杯,但很可爱 — Thom_Wolf · 2026-10-04
- Tesla 得州已注册 589 辆 Robotaxi，2026 年底 3000 辆目标可信 — mitchdeg · 2026-10-04
- Alexandr Wang 点赞 Rokid 眼镜跑本地 LLM 显示动漫角色 — alexandr_wang · 2026-10-04