RoboJev-27B 开放权重视觉语言判定模型发布

Josef Liyanjun Chen 发布开放权重视觉语言模型 RoboJev-27B 及推理代码。该模型输入任务指令和 10 帧操作画面（如有辅助相机，还会输入其末帧），据此预测机器人是否完成任务。 在同型号 SO-101 的 268 条留出片段上，模型达到 95.2% 平衡准确率和 0.993 AUROC；在来自未见实验室或机器人的 459 条片段上，AUROC 为 0.890。单条片段在单张 H100 上推理中位耗时 0.26 秒。 模型仅对语言模型部分使用 rank-32 LoRA 适配器训练，视觉编码器保持冻结，训练数据为 52,598 条 episode 记录。发布同时公开了 20,628 条预测，按 29 个模型/协议条目组织，供复现基准测试。作者注明，与其他方法的比较并非严格同条件，因为 RoboJev-27B 在推理时获得了更多帧。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。