VLM-as-perceiver 范式将遮挡场景下的规划成功率最高提升至 97%
视觉规划基准快被 VLM 刷满时,这篇论文找出了它们在遮挡场景下的真实短板:三个模型在 BW-PO 上接近全挂。把 VLM 只当感知器、推理交给外部求解器后成功率能到 84%-97%,做多视角规划或智能体开发的都该看看这套拆分思路。
视觉规划基准快被 VLM 刷满时,这篇论文找出了它们在遮挡场景下的真实短板:三个模型在 BW-PO 上接近全挂。把 VLM 只当感知器、推理交给外部求解器后成功率能到 84%-97%,做多视角规划或智能体开发的都该看看这套拆分思路。