Hugging Face · 每日论文· 媒体 / 作者来源·精选
RoboJev-27B：开放权重视觉语言模型实现机器人任务成功检测
原文标题
RoboJev: An Open Vision-Language Judge for Robot Success Detection
AI 导读
研究团队发布RoboJev-27B，一种开放权重的视觉语言模型，可分析机器人操作视频并判断任务是否成功完成。该模型基于JEV-27B-VL，使用52,598个训练集进行LoRA适配训练，在相同机器人模型测试中达到95.2%平衡准确率和0.993 AUROC，并能泛化到未见实验室/机器人的数据集（AUROC 0.890）和社区收集数据集（准确率93.3%）。模型推理速度为每集0.26秒，成本约每千次预测0.19美元。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
RoboJev-27B为机器人操作评估提供了开源解决方案，在保持高准确率的同时实现了跨实验室和跨机器人的泛化能力，适用于机器人操作评估和自动化质量检测场景。
导读由模型辅助整理，非独立核验。完整信息见原文。