Robobench: A Comprehensive Evaluation Benchmark for Multimodal Large Language Models as Embodied Brain
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Luo, Yulin, Fan, Chun-Kai, Dong, Menghang, Shi, Jiayu, Zhao, Mengdi, Zhang, Bo-Wen, Chi, Cheng, Liu, Jiaming, Dai, Gaole, Zhang, Rongyu, An, Ruichuan, Wu, Kun, Che, Zhengping, Xie, Shaoxuan, Yao, Guocai, Zhao, Zhongxia, Wang, Pengwei, Liu, Guang, Wang, Zhongyuan, Huang, Tiejun, Zhang, Shanghang |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
SpikeGen: Decoupled "Rods and Cones" Visual Representation Processing with Latent Generative Framework
par: Dai, Gaole, et autres
Publié: (2025)
par: Dai, Gaole, et autres
Publié: (2025)
LLM as Dataset Analyst: Subpopulation Structure Discovery with Large Language Model
par: Luo, Yulin, et autres
Publié: (2024)
par: Luo, Yulin, et autres
Publié: (2024)
METIS: Multi-Source Egocentric Training for Integrated Dexterous Vision-Language-Action Model
par: Fu, Yankai, et autres
Publié: (2025)
par: Fu, Yankai, et autres
Publié: (2025)
Robo-Dopamine: General Process Reward Modeling for High-Precision Robotic Manipulation
par: Tan, Huajie, et autres
Publié: (2025)
par: Tan, Huajie, et autres
Publié: (2025)
RoboBrain: A Unified Brain Model for Robotic Manipulation from Abstract to Concrete
par: Ji, Yuheng, et autres
Publié: (2025)
par: Ji, Yuheng, et autres
Publié: (2025)
Multimodal Large Language Models for Bioimage Analysis
par: Zhang, Shanghang, et autres
Publié: (2024)
par: Zhang, Shanghang, et autres
Publié: (2024)
MoLe-VLA: Dynamic Layer-skipping Vision Language Action Model via Mixture-of-Layers for Efficient Robot Manipulation
par: Zhang, Rongyu, et autres
Publié: (2025)
par: Zhang, Rongyu, et autres
Publié: (2025)
MoSA: Mixture of Sparse Adapters for Visual Efficient Tuning
par: Zhang, Qizhe, et autres
Publié: (2023)
par: Zhang, Qizhe, et autres
Publié: (2023)
Orochi: Versatile Biomedical Image Processor
par: Dai, Gaole, et autres
Publié: (2025)
par: Dai, Gaole, et autres
Publié: (2025)
Decomposing the Neurons: Activation Sparsity via Mixture of Experts for Continual Test Time Adaptation
par: Zhang, Rongyu, et autres
Publié: (2024)
par: Zhang, Rongyu, et autres
Publié: (2024)
FactorLLM: Factorizing Knowledge via Mixture of Experts for Large Language Models
par: Zhao, Zhongyu, et autres
Publié: (2024)
par: Zhao, Zhongyu, et autres
Publié: (2024)
Action-Sketcher: From Reasoning to Action via Visual Sketches for Long-Horizon Robotic Manipulation
par: Tan, Huajie, et autres
Publié: (2026)
par: Tan, Huajie, et autres
Publié: (2026)
SpikePingpong: Spike Vision-based Fast-Slow Pingpong Robot System
par: Wang, Hao, et autres
Publié: (2025)
par: Wang, Hao, et autres
Publié: (2025)
RoboBrain 2.5: Depth in Sight, Time in Mind
par: Tan, Huajie, et autres
Publié: (2026)
par: Tan, Huajie, et autres
Publié: (2026)
AffordGrasp: In-Context Affordance Reasoning for Open-Vocabulary Task-Oriented Grasping in Clutter
par: Tang, Yingbo, et autres
Publié: (2025)
par: Tang, Yingbo, et autres
Publié: (2025)
RepCaM++: Exploring Transparent Visual Prompt With Inference-Time Re-Parameterization for Neural Video Delivery
par: Zhang, Rongyu, et autres
Publié: (2025)
par: Zhang, Rongyu, et autres
Publié: (2025)
Lift3D Foundation Policy: Lifting 2D Large-Scale Pretrained Models for Robust 3D Robotic Manipulation
par: Jia, Yueru, et autres
Publié: (2024)
par: Jia, Yueru, et autres
Publié: (2024)
RoboRefer: Towards Spatial Referring with Reasoning in Vision-Language Models for Robotics
par: Zhou, Enshen, et autres
Publié: (2025)
par: Zhou, Enshen, et autres
Publié: (2025)
MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation
par: Zhang, Ronyu, et autres
Publié: (2026)
par: Zhang, Ronyu, et autres
Publié: (2026)
BEVUDA++: Geometric-aware Unsupervised Domain Adaptation for Multi-View 3D Object Detection
par: Zhang, Rongyu, et autres
Publié: (2025)
par: Zhang, Rongyu, et autres
Publié: (2025)
Video-CoT: A Comprehensive Dataset for Spatiotemporal Understanding of Videos Based on Chain-of-Thought
par: Zhang, Shuyi, et autres
Publié: (2025)
par: Zhang, Shuyi, et autres
Publié: (2025)
SpikeNVS: Enhancing Novel View Synthesis from Blurry Images via Spike Camera
par: Dai, Gaole, et autres
Publié: (2024)
par: Dai, Gaole, et autres
Publié: (2024)
Reason-RFT: Reinforcement Fine-Tuning for Visual Reasoning of Vision Language Models
par: Tan, Huajie, et autres
Publié: (2025)
par: Tan, Huajie, et autres
Publié: (2025)
AC-DiT: Adaptive Coordination Diffusion Transformer for Mobile Manipulation
par: Chen, Sixiang, et autres
Publié: (2025)
par: Chen, Sixiang, et autres
Publié: (2025)
Implicit Neural Image Field for Biological Microscopy Image Compression
par: Dai, Gaole, et autres
Publié: (2024)
par: Dai, Gaole, et autres
Publié: (2024)
PIGEON: VLM-Driven Object Navigation via Points of Interest Selection
par: Peng, Cheng, et autres
Publié: (2025)
par: Peng, Cheng, et autres
Publié: (2025)
Demo-JEPA: Joint-Embedding Predictive Architecture for One-shot Cross-Embodiment Imitation
par: He, Jingyang, et autres
Publié: (2026)
par: He, Jingyang, et autres
Publié: (2026)
Unsupervised Spike Depth Estimation via Cross-modality Cross-domain Knowledge Transfer
par: Liu, Jiaming, et autres
Publié: (2022)
par: Liu, Jiaming, et autres
Publié: (2022)
BEVUDA: Multi-geometric Space Alignments for Domain Adaptive BEV 3D Object Detection
par: Liu, Jiaming, et autres
Publié: (2022)
par: Liu, Jiaming, et autres
Publié: (2022)
EVA: An Embodied World Model for Future Video Anticipation
par: Chi, Xiaowei, et autres
Publié: (2024)
par: Chi, Xiaowei, et autres
Publié: (2024)
SaPaVe: Towards Active Perception and Manipulation in Vision-Language-Action Models for Robotics
par: Liu, Mengzhen, et autres
Publié: (2026)
par: Liu, Mengzhen, et autres
Publié: (2026)
RoboMIND 2.0: A Multimodal, Bimanual Mobile Manipulation Dataset for Generalizable Embodied Intelligence
par: Hou, Chengkai, et autres
Publié: (2025)
par: Hou, Chengkai, et autres
Publié: (2025)
MapNav: A Novel Memory Representation via Annotated Semantic Maps for Vision-and-Language Navigation
par: Zhang, Lingfeng, et autres
Publié: (2025)
par: Zhang, Lingfeng, et autres
Publié: (2025)
A Vanilla Multi-Task Framework for Dense Visual Prediction Solution to 1st VCL Challenge -- Multi-Task Robustness Track
par: Chen, Zehui, et autres
Publié: (2024)
par: Chen, Zehui, et autres
Publié: (2024)
EmpathyAgent: Can Embodied Agents Conduct Empathetic Actions?
par: Chen, Xinyan, et autres
Publié: (2025)
par: Chen, Xinyan, et autres
Publié: (2025)
AoE: Always-on Egocentric Human Video Collection for Embodied AI
par: Yang, Bowen, et autres
Publié: (2026)
par: Yang, Bowen, et autres
Publié: (2026)
Pelican-VL 1.0: A Foundation Brain Model for Embodied Intelligence
par: Zhang, Yi, et autres
Publié: (2025)
par: Zhang, Yi, et autres
Publié: (2025)
DualVLA: Building a Generalizable Embodied Agent via Partial Decoupling of Reasoning and Action
par: Fang, Zhen, et autres
Publié: (2025)
par: Fang, Zhen, et autres
Publié: (2025)
$NavA^3$: Understanding Any Instruction, Navigating Anywhere, Finding Anything
par: Zhang, Lingfeng, et autres
Publié: (2025)
par: Zhang, Lingfeng, et autres
Publié: (2025)
M$^{2}$Chat: Empowering VLM for Multimodal LLM Interleaved Text-Image Generation
par: Chi, Xiaowei, et autres
Publié: (2023)
par: Chi, Xiaowei, et autres
Publié: (2023)
Documents similaires
-
SpikeGen: Decoupled "Rods and Cones" Visual Representation Processing with Latent Generative Framework
par: Dai, Gaole, et autres
Publié: (2025) -
LLM as Dataset Analyst: Subpopulation Structure Discovery with Large Language Model
par: Luo, Yulin, et autres
Publié: (2024) -
METIS: Multi-Source Egocentric Training for Integrated Dexterous Vision-Language-Action Model
par: Fu, Yankai, et autres
Publié: (2025) -
Robo-Dopamine: General Process Reward Modeling for High-Precision Robotic Manipulation
par: Tan, Huajie, et autres
Publié: (2025) -
RoboBrain: A Unified Brain Model for Robotic Manipulation from Abstract to Concrete
par: Ji, Yuheng, et autres
Publié: (2025)