Google Deepmind、Gemini Robotics 2 発表——卓上アームから人型ロボットまで、汎用ロボット制御モデル
ビジョン言語行動（VLA）モデルの最新版。高度な推論レイヤー Gemini Robotics ER 2 を同時発表。複雑なロボット制御タスクが可能に。
続きを読む
タグ一覧に戻る
ビジョン言語モデル
記事数: 2 件
Alibaba の HopChain、視覚言語モデルの多段推論能力を改善
Alibaba の Qwen チームが開発した HopChain は、視覚言語モデルが複数ステップの推論で失敗する問題に対応。多段階の画像質問を自動生成し、ベンチマーク24個中20個で性能向上を実現した。
続きを読む