RoboGaze：多智能体VLM评测机器人世界模型

Nguyen 等人提出 RoboGaze，一个免训练的多智能体 VLM 评测框架，用于诊断机器人世界模型生成的操作视频中的失败：它先落地任务与场景，再把各子任务路由给维度专属专家并由 critic 复核，输出定位到时间的报告，说明何处失败、何时、原因及严重程度，覆盖 6 个维度、30 种失败类型。 为评测该框架，作者构建 RoboGazeBench，含 914 段人工标注视频，来自 5 个生成器，基于仿真与真实数据，时长 4.9 至 148.9 秒。论文称在 8 个开源与闭源 VLM 主干上，RoboGaze 均优于所有基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。