sato (@satoooh.org)

主観映像はVLMの空間理解性能がめっちゃ落ちるらしく、そこに着目した新しいベンチマークの提案してるやつ。Gemini 3 Flashとかでも人間と37.7%くらい差が出るらしく、Rayban Metaとかでデータ取れるようになったら一気に向上しそうね。ロボットの性能も上がりそう arxiv.org/abs/2602.16682

loading . . .

Learning Situated Awareness in the Real World A core aspect of human perception is situated awareness, the ability to relate ourselves to the surrounding physical environment and reason over possible actions in context. However, most existing ben... https://arxiv.org/abs/2602.16682

14 days ago