MotionBlind：探测 Video-LLM 对运动理解的错觉

英文标题：MotionBlind: Probing the Illusion of Motion Understanding in Video-LLMs

论文 MotionBlind 指出，视频大语言模型（Video-LLMs）虽然日益被用作世界模型的感知前端，但其运动理解能力存在显著缺陷。研究聚焦物体移动速度、运动方向以及受力强度等基础运动属性，并得出这些模型实际上无法可靠读取此类信息的结论。该发现意味着，开发者不应仅凭 Video-LLM 的语言描述能力推断其具备物理运动感知能力；在机器人、自动驾驶和世界模型等高风险应用中，仍需进行专门的运动理解评测与补强。论文编号为 arXiv:2609.09528v1，属于新发布论文。

2.1 KB 461 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB