محققان در یک ارزیابی جدید، عملکرد «مدلهای بزرگ بینایی-زبانی» (LVLM) را برای تشخیص اشیاء در شرایط پیچیده رانندگی (SOTIF) بررسی کردهاند. نتایج نشان میدهد که مدلهایی مثل Gemini 3 در شناسایی محیط، ۲۵ درصد بهتر از مدلهای کلاسیک عمل میکنند و میتوانند به عنوان یک لایه ایمنی حیاتی در خودروهای خودران در کنار سیستمهای تشخیص معمولی استفاده شوند. این دستاورد گامی بزرگ برای کاهش خطاهای ادراکی در شرایط نوری و محیطی دشوار است. 🛣️🤖
منبع: arXiv Computer Vision