Бесплатный взгляд на активную концепцию, ориентированную на вопросы

arXiv: 2610.10.11039v1 Annuate Type: New Habstractive: Active Robon Vision требует управления камерой для раскрытия информации, имеющей отношение к задаче и скрытой с текущей точки зрения. Например, для определения того, что находится внутри коробки, может потребоваться поднять камеру и посмотреть вниз. Для ответа на вопрос, зависящий от точки зрения, задача состоит в том, чтобы выбрать движения камеры, которые разоблачат визуальные доказательства, необходимые для ответа на этот вопрос. Хотя модели языка зрения (МЖП) могут интерпретировать наблюдаемые изображения, выбор таких движений требует предвидения полезности невидимых взглядов. Мы оцениваем эту полезность как ответственную, оценку VLM о том, что достаточно мнения для ответа на этот вопрос, и представляем Free-Free Speakahead (RFL), политику выбора точки зрения, которая определяет движения потенциальных фотоаппаратов по прогнозируемой будущей отчётности. RFL передает визуальный взгляд от развертывания к офлайновой подготовке. На тренировках привилегированный учитель дает кандидатам будущее представление о сцене 3D Гауссианского сплетения (3DGS)