논문 정보
- 날짜:
2026-03-07 - 카테고리: -
- 우선순위 점수: 1.2
핵심 요약
사회적 인지 능력이 필요한 로봇을 위해 LLM과 비전 인코더 사이의 피드백 루프를 형성하는 경량 모듈을 제안합니다. 텍스트 컨텍스트를 기반으로 장면을 재해석하도록 유도하는 gated MLP 구조를 통해 Qwen 2.5 등 주요 모델의 성능을 향상시켰습니다. 내비게이션, 장면 설명, 인간 의도 인식 등 세 가지 로봇 중심 태스크에서 유효성을 입증했습니다.학습자 관점 포인트
- 우리 팀 영향: 3% 미만의 추가 파라미터만으로 기존 VLM의 시각적 추론 능력을 개선할 수 있어 저사양 로봇 하드웨어 적용 가능성이 높습니다.
- 권장 액션: 실험
- 액션 근거: 경량화된 구조로 인간-로봇 상호작용 성능을 높인 점이 실용적이며 오픈 소스 코드를 통한 재현이 가능하기 때문입니다.
원문 링크
- arXiv: https://arxiv.org/abs/2603.03942
- Hugging Face Papers: https://huggingface.co/papers/2603.03942