Dalam beberapa tahun terakhir, teknologi kecerdasan buatan telah mengalami kemajuan pesat, dan model bahasa berskala besar telah menunjukkan kemampuan yang kuat di banyak bidang. Namun model yang ada masih memiliki kekurangan dalam penalaran spasial. Tim peneliti AI Google meluncurkan sistem SpatialVLM untuk mengatasi masalah ini, yang bertujuan untuk meningkatkan kemampuan penalaran spasial model bahasa visual. Hal ini menandai terobosan penting dalam teknologi kecerdasan buatan di bidang kognisi spasial.
Tim peneliti AI Google baru-baru ini mengusulkan SpatialVLM, sebuah sistem inovatif yang dirancang untuk meningkatkan kemampuan penalaran spasial model bahasa visual. Meskipun model canggih seperti GPT-4V telah mencapai kemajuan signifikan dalam tugas-tugas berbasis AI, model tersebut masih memiliki keterbatasan signifikan dalam penalaran spasial. Perkembangan SpatialVLM menandai kemajuan besar dalam teknologi kecerdasan buatan.
Kemunculan SpatialVLM memberikan metode baru untuk mengatasi kekurangan model bahasa visual dalam penalaran spasial. Model ini diharapkan dapat memainkan peran penting dalam bidang robotika dan mengemudi otonom di masa depan, dan patut mendapat perhatian terus-menerus dalam pengembangan dan penerapannya. .