论文用外部代理模型估计黑盒VLM定位不确定性
热点事件观察中
论文用外部代理模型估计黑盒VLM定位不确定性
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
一篇 arXiv 论文提出 Surrogate Uncertainty 方法：在留出校准集的局部邻域上，用外部代理贝叶斯模型对黑盒视觉语言模型的视觉定位做逐查询不确定性估计，并分解为偶然与认知两部分。该方法通过跨输入模态的分层检索构建紧凑联合空间邻域，可结合保形预测或基于模型的规划用于主动视觉定位。 作者称，在多个定位基准和先进 VLM 上，该方法的校准与任务表现均有提升；在真实 Fetch 机器人上按开放世界指令运行时，它能在自信行动与信息收集之间做取舍，并称稳健性明显改善。上述效果均为作者自述，论文为预印本，尚待同行评议与独立验证。
AI 根据报道生成 · 4 小时前更新
最新进展10月29日 18:44
Surrogate Uncertainty：用外部代理模型估计黑盒VLM视觉定位不确定性报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.RO精选Surrogate Uncertainty：用外部代理模型估计黑盒VLM视觉定位不确定性
论文提出 Surrogate Uncertainty 方法，用外部代理贝叶斯模型估计黑盒视觉语言模型在视觉定位中的逐查询不确定性，并分解为偶然与认知两部分。该方法通过跨输入模态的分层检索构建紧凑联合空间邻域，可结合保形预测或基于模型的规划实现主动视觉定位。作者称在多个定位基准和先进VLM上校准与任务表现均有提升，并在真实 Fetch 机器人上按开放世界指令在自信行动与信息收集间做取舍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。