مدلهای زبانی چندوجهی (MLLM) روز به روز قدرتمندتر میشوند، اما هنوز در مواجهه با پهپادها و محیطهای هوایی چالشهای زیادی دارند. حالا محققان بنچمارک جدیدی به نام UAV-DualCog را معرفی کردهاند که به هوش مصنوعی کمک میکند هم وضعیت خود پهپاد (Self-state) و هم محیط اطرافش را به صورت همزمان تحلیل کند.
این بنچمارک با استفاده از دادههای سهبعدی و ویدیوهای پیچیده، توانایی استدلال فضایی و زمانی پهپادها را به چالش میکشد. نتایج نشان میدهد که مدلهای فعلی هنوز تا رسیدن به یک سطح هوشمندی قابل اعتماد برای پروازهای خودکار راه زیادی دارند، اما این قدم بزرگی برای ارتقای هوش مصنوعی در رباتیک پرنده است. 🤖✨
منبع: arXiv Computer Vision