MASS: Motion-Aware Spatial-Temporal Grounding for Physics Reasoning and Comprehension in Vision-Language Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wu, Xiyang, Li, Zongxia, Jin, Jihui, Shi, Guangyao, KV, Gouthaman, Raj, Vishnu, Sinha, Nilotpal, Chen, Jingxi, Du, Fan, Manocha, Dinesh |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Video-Robin: Autoregressive Diffusion Planning for Intent-Grounded Video-to-Music Generation
par: Lokegaonkar, Vaibhavi, et autres
Publié: (2026)
par: Lokegaonkar, Vaibhavi, et autres
Publié: (2026)
SABER: A Stealthy Agentic Black-Box Attack Framework for Vision-Language-Action Models
par: Wu, Xiyang, et autres
Publié: (2026)
par: Wu, Xiyang, et autres
Publié: (2026)
Enhanced Generative Machine Listener
par: Raj, Vishnu, et autres
Publié: (2025)
par: Raj, Vishnu, et autres
Publié: (2025)
A Survey of State of the Art Large Vision Language Models: Alignment, Benchmark, Evaluations and Challenges
par: Li, Zongxia, et autres
Publié: (2025)
par: Li, Zongxia, et autres
Publié: (2025)
Co-Evolving LLM Decision and Skill Bank Agents for Long-Horizon Tasks
par: Wu, Xiyang, et autres
Publié: (2026)
par: Wu, Xiyang, et autres
Publié: (2026)
VideoHallu: Evaluating and Mitigating Multi-modal Hallucinations on Synthetic Video Understanding
par: Li, Zongxia, et autres
Publié: (2025)
par: Li, Zongxia, et autres
Publié: (2025)
MemCtrl: Using MLLMs as Active Memory Controllers on Embodied Agents
par: Dorbala, Vishnu Sashank, et autres
Publié: (2026)
par: Dorbala, Vishnu Sashank, et autres
Publié: (2026)
Semi-Supervised Contrastive Learning for Controllable Video-to-Music Retrieval
par: Stewart, Shanti, et autres
Publié: (2024)
par: Stewart, Shanti, et autres
Publié: (2024)
First Frame Is the Place to Go for Video Content Customization
par: Chen, Jingxi, et autres
Publié: (2025)
par: Chen, Jingxi, et autres
Publié: (2025)
Can LLMs Generate Human-Like Wayfinding Instructions? Towards Platform-Agnostic Embodied Instruction Synthesis
par: Dorbala, Vishnu Sashank, et autres
Publié: (2024)
par: Dorbala, Vishnu Sashank, et autres
Publié: (2024)
FALCON: Future-Aware Learning with Contextual Object-Centric Pretraining for UAV Action Recognition
par: Xian, Ruiqi, et autres
Publié: (2024)
par: Xian, Ruiqi, et autres
Publié: (2024)
HACL: History-Aware Curriculum Learning for Fast Locomotion
par: Mishra, Prakhar, et autres
Publié: (2025)
par: Mishra, Prakhar, et autres
Publié: (2025)
Uncovering the Representation Geometry of Minimal Cores in Overcomplete Reasoning Traces
par: Chowdhury, Sanjoy, et autres
Publié: (2026)
par: Chowdhury, Sanjoy, et autres
Publié: (2026)
AGL-NET: Aerial-Ground Cross-Modal Global Localization with Varying Scales
par: Guan, Tianrui, et autres
Publié: (2024)
par: Guan, Tianrui, et autres
Publié: (2024)
Improving Zero-Shot ObjectNav with Generative Communication
par: Dorbala, Vishnu Sashank, et autres
Publié: (2024)
par: Dorbala, Vishnu Sashank, et autres
Publié: (2024)
McARL:Morphology-Control-Aware Reinforcement Learning for Generalizable Quadrupedal Locomotion
par: Mishra, Prakhar, et autres
Publié: (2025)
par: Mishra, Prakhar, et autres
Publié: (2025)
VLM-Social-Nav: Socially Aware Robot Navigation through Scoring using Vision-Language Models
par: Song, Daeun, et autres
Publié: (2024)
par: Song, Daeun, et autres
Publié: (2024)
MotionHint: Self-Supervised Monocular Visual Odometry with Motion Constraints
par: Wang, Cong, et autres
Publié: (2021)
par: Wang, Cong, et autres
Publié: (2021)
AutoSpatial: Visual-Language Reasoning for Social Robot Navigation through Efficient Spatial Reasoning Learning
par: Kong, Yangzhe, et autres
Publié: (2025)
par: Kong, Yangzhe, et autres
Publié: (2025)
HallusionBench: An Advanced Diagnostic Suite for Entangled Language Hallucination and Visual Illusion in Large Vision-Language Models
par: Guan, Tianrui, et autres
Publié: (2023)
par: Guan, Tianrui, et autres
Publié: (2023)
IntCoOp: Interpretability-Aware Vision-Language Prompt Tuning
par: Ghosal, Soumya Suvra, et autres
Publié: (2024)
par: Ghosal, Soumya Suvra, et autres
Publié: (2024)
Towards Mitigating Hallucinations in Large Vision-Language Models by Refining Textual Embeddings
par: Agrawal, Aakriti, et autres
Publié: (2025)
par: Agrawal, Aakriti, et autres
Publié: (2025)
Can an Embodied Agent Find Your "Cat-shaped Mug"? LLM-Guided Exploration for Zero-Shot Object Navigation
par: Dorbala, Vishnu Sashank, et autres
Publié: (2023)
par: Dorbala, Vishnu Sashank, et autres
Publié: (2023)
Graph-of-Skills: Dependency-Aware Structural Retrieval for Massive Agent Skills
par: Liu, Dawei, et autres
Publié: (2026)
par: Liu, Dawei, et autres
Publié: (2026)
Towards a Systematic Evaluation of Hallucinations in Large-Vision Language Models
par: Seth, Ashish, et autres
Publié: (2024)
par: Seth, Ashish, et autres
Publié: (2024)
STEP: Spatial Temporal Graph Convolutional Networks for Emotion Perception from Gaits
par: Bhattacharya, Uttaran, et autres
Publié: (2019)
par: Bhattacharya, Uttaran, et autres
Publié: (2019)
AG-CVG: Coverage Planning with a Mobile Recharging UGV and an Energy-Constrained UAV
par: Karapetyan, Nare, et autres
Publié: (2023)
par: Karapetyan, Nare, et autres
Publié: (2023)
Moment Sampling in Video LLMs for Long-Form Video QA
par: Chasmai, Mustafa, et autres
Publié: (2025)
par: Chasmai, Mustafa, et autres
Publié: (2025)
ROVER: Regulator-Driven Robust Temporal Verification of Black-Box Robot Policies
par: Sakano, Kristy, et autres
Publié: (2025)
par: Sakano, Kristy, et autres
Publié: (2025)
Personalized Embodied Navigation for Portable Object Finding
par: Dorbala, Vishnu Sashank, et autres
Publié: (2024)
par: Dorbala, Vishnu Sashank, et autres
Publié: (2024)
Multi-LLM QA with Embodied Exploration
par: Patel, Bhrij, et autres
Publié: (2024)
par: Patel, Bhrij, et autres
Publié: (2024)
Visual Description Grounding Reduces Hallucinations and Boosts Reasoning in LVLMs
par: Ghosh, Sreyan, et autres
Publié: (2024)
par: Ghosh, Sreyan, et autres
Publié: (2024)
ViLAM: Distilling Vision-Language Reasoning into Attention Maps for Social Robot Navigation
par: Elnoor, Mohamed, et autres
Publié: (2025)
par: Elnoor, Mohamed, et autres
Publié: (2025)
PACE: Data-Driven Virtual Agent Interaction in Dense and Cluttered Environments
par: Mullen, James, et autres
Publié: (2023)
par: Mullen, James, et autres
Publié: (2023)
Listen2Scene: Interactive material-aware binaural sound propagation for reconstructed 3D scenes
par: Ratnarajah, Anton, et autres
Publié: (2023)
par: Ratnarajah, Anton, et autres
Publié: (2023)
Inst4DGS: Instance-Decomposed 4D Gaussian Splatting with Multi-Video Label Permutation Learning
par: Lee, Yonghan, et autres
Publié: (2026)
par: Lee, Yonghan, et autres
Publié: (2026)
EM-GANSim: Real-time and Accurate EM Simulation Using Conditional GANs for 3D Indoor Scenes
par: Wang, Ruichen, et autres
Publié: (2024)
par: Wang, Ruichen, et autres
Publié: (2024)
MorFiC: Fixing Value Miscalibration for Zero-Shot Quadruped Transfer
par: Mishra, Prakhar, et autres
Publié: (2026)
par: Mishra, Prakhar, et autres
Publié: (2026)
TransCurriculum: Multi-Dimensional Curriculum Learning for Fast & Stable Locomotion
par: Mishra, Prakhar, et autres
Publié: (2026)
par: Mishra, Prakhar, et autres
Publié: (2026)
Vision-Enhanced Large Language Models for High-Resolution Image Synthesis and Multimodal Data Interpretation
par: KV, Karthikeya
Publié: (2025)
par: KV, Karthikeya
Publié: (2025)
Documents similaires
-
Video-Robin: Autoregressive Diffusion Planning for Intent-Grounded Video-to-Music Generation
par: Lokegaonkar, Vaibhavi, et autres
Publié: (2026) -
SABER: A Stealthy Agentic Black-Box Attack Framework for Vision-Language-Action Models
par: Wu, Xiyang, et autres
Publié: (2026) -
Enhanced Generative Machine Listener
par: Raj, Vishnu, et autres
Publié: (2025) -
A Survey of State of the Art Large Vision Language Models: Alignment, Benchmark, Evaluations and Challenges
par: Li, Zongxia, et autres
Publié: (2025) -
Co-Evolving LLM Decision and Skill Bank Agents for Long-Horizon Tasks
par: Wu, Xiyang, et autres
Publié: (2026)