Capek 0.5：面向具身智能、以执行为中心的视觉语言模型

英文标题：Capek 0.5: An Execution-Centric Vision-Language Model for Embodied Intelligence

该论文介绍了 Capek 0.5，一种面向具身智能的、以执行为中心的视觉语言模型。论文指出，视觉语言模型正日益成为具身 Agent 的推理核心。机器人执行天然具有迭代性：每一次动作都会改变场景和物理状态，从而持续更新感知、推理与验证的需求。该研究对开发具备闭环感知、推理与行动能力的机器人 Agent 具有参考意义。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB