쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 11월 16일 (월)까지4683건
3건 · "비전-랭귀지"조건 지우기 ×
001▲ 106 · 댓글 1로봇 계획 25배 빠르게, 비전 모델의 구조 활용한 VFlash로봇, 자율주행 같은 물리 AI 작업에서 비전-랭귀지 모델은 좌표·궤적 같은 시각적 계획을 통해 공간상 목표를 표현하고 움직임을 예측한다.AI · 머신러닝 · VFlash: Fast, Accurate Visual Planning via Flash Primitive Decoding

Key Point로봇의 시각 계획 생성 속도를 획기적으로 높이면서도 정확도까지 향상시키는 기법으로, 물리 AI 시스템의 실시간 제어 가능성을 크게 높인다.
핵심 요약
- 로봇, 자율주행 같은 물리 AI 작업에서 비전-랭귀지 모델은 좌표·궤적 같은 시각적 계획을 통해 공간상 목표를 표현하고 움직임을 예측한다.
- 기존 자동회귀 모델은 이런 시각 원시요소를 토큰 하나씩 생성하기 때문에 예측이 복잡할수록 비용이 급증한다.
- VFlash는 Flash Primitive Decoding 기법으로 시각 원시요소의 구조를 활용, 경량 드래프터가 전체 원시요소를 한 번의 순전파로 예측한다.
전체 요약 8문장 읽기 → 002▲ 22 · 댓글 2VLM의 물리적 지능 평가하는 벤치마크 PhysVista 공개비전-랭귀지 모델(VLM)이 멀티모달 추론에서 우수하지만, 현실의 물리적 동역학을 진정으로 이해하는지는 여전히 불명확한 상태다.AI · 머신러닝 · PhysVista: Benchmarking Physical Intelligence in VLMs via a Perception-Reasoning-Assessment Loop

Key PointVLM이 영상 내 물리 법칙을 이해하는지 평가하려는 새로운 벤치마크로, AI 생성 콘텐츠의 물리적 신뢰성 검증과 VLM의 진정한 추론 능력 진단이 필요한 시점에 나왔다.
핵심 요약
- 비전-랭귀지 모델(VLM)이 멀티모달 추론에서 우수하지만, 현실의 물리적 동역학을 진정으로 이해하는지는 여전히 불명확한 상태다.
- 기존 벤치마크는 지각, 추론, 판단 같은 인지 단계를 단편적으로 평가하며 이들 간의 상호작용을 간과해왔다.
- 이를 해결하기 위해 인간의 '보기-추론-평가' 과정을 모방한 PhysVista 벤치마크를 제안했다.
전체 요약 8문장 읽기 → 003▲ 133 · 댓글 1파노라마 시야로 네비게이션 정확도 11.9% 향상비전-랭귀지 모델을 이용한 네비게이션(VLN)에서 파노라마식 전 방위 이미지를 활용하는 PanoVLN을 제안했다.AI · 머신러닝 · PanoVLN: Towards Effective Panoramic Vision-and-Language Navigation

Key Point파노라마 시야를 효과적으로 활용한 새로운 네비게이션 기법이 기존 방식을 13% 이상 앞서고 실제 로봇에서도 성능 향상을 입증했기에, 로봇 네비게이션과 멀티모달 AI의 실질적 진전을 보여준다.
핵심 요약
- 비전-랭귀지 모델을 이용한 네비게이션(VLN)에서 파노라마식 전 방위 이미지를 활용하는 PanoVLN을 제안했다.
- 기존의 단순히 파노라마를 대체하는 접근만으로는 성능 향상이 제한적이므로, 세 가지 핵심 개선을 도입했다.
- 더 넓은 시야각을 활용하기 위해 신뢰도 기반 실행(CGE) 전략을 도입해 한 번의 파노라마에서 더 긴 동작 수열을 예측하고, 더 큰 회전과 이동을 가능하게 했다.
전체 요약 7문장 읽기 →