Orchestrate, Generate, Reflect: A VLM-Based Multi-Agent Collaboration Framework for Automated Driving Policy Learning
Zengqi Peng, Yusen Xie, Yubin Wang, Rui Yang, Qifeng Chen, Jun Ma
机构
*
Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（机器人与自主系统方向，香港科学与技术大学（广州））
；
Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（计算机科学与工程系，香港科学与技术大学）
；
Cheng Kar-Shun Robotics Institute, The Hong Kong University of Science and Technology（陈家骏机器人研究所，香港科学与技术大学）
ExploreVLM: Closed-Loop Robot Exploration Task Planning with Vision-Language Models
Zhichen Lou, Kechun Xu, Zhongxiang Zhou, Rong Xiong
机构
*
State Key Laboratory of Industrial Control Technology（工业控制技术国家重点实验室）
；
Institute of Cyber-Systems and Control（网络系统与控制研究所）
；
Zhejiang University（浙江大学）
；
Zhejiang Humanoid Robot Innovation Center Co., Ltd.（浙江人形机器人创新中心有限公司）
Argus Inspection: Do Multimodal Large Language Models Possess the Eye of Panoptes?
Yang Yao, Lingyu Li, Jiaxin Song, Chiyu Chen, Zhenqi He, Yixu Wang, Xin Wang, Tianle Gu, Jie Li, Yan Teng, Yingchun Wang
机构
*
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
；
The University of Hong Kong（香港大学）
；
Shanghai Jiao Tong University（上海交通大学）
；
The Hong Kong University of Science and Technology（香港科学与技术大学）
；
Fudan University（复旦大学）
；
Tsinghua University（清华大学）
专题命中
视觉推理
：multimodal large language model(title,abstract)；分类 cs.CV、cs.AI、cs.LG
CX-Mind: A Pioneering Multimodal Large Language Model for Interleaved Reasoning in Chest X-ray via Curriculum-Guided Reinforcement Learning
Wenjie Li, Yujie Zhang, Haoran Sun, Yueqi Li, Fanrui Zhang, Mengzhe Xu, Victoria Borja Clausich, Sade Mellin, Renhao Yang, Chenrun Wang, Jethro Zih-Shuo Wang, Shiyi Yao, Gen Li, Yidong Xu, Hanyu Wang, Yilin Huang, Angela Lin Wang, Chen Shi, Yin Zhang, Jianan Guo, Luqi Yang, Renxuan Li, Yang Xu, Jiawei Liu, Yao Zhang, Lei Liu, Carlos Gutiérrez SanRomán, Lei Wang
机构
*
College of Health Science and Technology, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院健康科学与技术学院）
；
Shanghai Innovation Institute（上海创新研究院）
；
Clinical Center for Sports Medicine, Department of Orthopaedics, Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院骨科临床中心）
；
School of Basic Medical Sciences, Intelligent Medicine Institute, Fudan University（复旦大学基础医学学院）
；
Department of Hematology, The First Affiliated Hospital, College of Medicine, Zhejiang University（浙江大学医学院第一附属医院血液科）
；
MoE Key Laboratory of Brain-Inspired Intelligent Perception and Cognition, University of Science and Technology of China（中国科学技术大学脑启发智能感知与认知教育部重点实验室）
；
Department of Public Health and Primary Care, University of Cambridge（剑桥大学公共卫生与初级保健学院）
；
Department of Medicine, Faculty of Health Sciences, Universidad CEU Cardenal Herrera（CEU卡德纳尔-赫尔曼大学健康科学学院医学系）
；
Faculty of Medicine, University of Helsinki（赫尔辛基大学医学院）
；
X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院X-LANCE实验室）
；
Department of Hepatobiliary Surgery, National Cancer Center / National Clinical Research Center for Cancer / Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（中国医学科学院肿瘤医院肝胆外科）
；
Department of Surgery, The Ohio State University Wexner Medical Center, The James Comprehensive Cancer Center（俄亥俄州立大学韦克斯纳医学中心外科部，詹姆斯综合癌症中心）
；
Ningbo Institute of Technology, Beihang University（北航宁波理工学院）
专题命中
视觉推理
：multimodal large language model(title,abstract)；分类 cs.CV、cs.AI、cs.LG
VLM-UDMC: VLM-Enhanced Unified Decision-Making and Motion Control for Urban Autonomous Driving
Haichao Liu, Haoren Guo, Pei Liu, Benshan Ma, Yuxiang Zhang, Jun Ma, Tong Heng Lee
机构
*
The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
；
National University of Singapore（新加坡国立大学）
；
The Hong Kong University of Science and Technology（香港科学与技术大学）
机构
*
Chinese Academy of Sciences（中国科学院）
；
University of Chinese Academy of Sciences（中国科学院大学）
；
Tencent AI Lab（腾讯AI实验室）
；
Institute of Automation School of Artificial Intelligence（自动化研究所人工智能学院）
专题命中
视觉推理
：vision-language model(title,abstract)；multimodal large language model(abstract)
Understanding the Limits of Vision Language Models Through the Lens of the Binding Problem
Declan Campbell, Sunayana Rane, Tyler Giallanza, Nicolò De Sabbata, Kia Ghods, Amogh Joshi, Alexander Ku, Steven M. Frankland, Thomas L. Griffiths, Jonathan D. Cohen, Taylor W. Webb
专题命中
视觉推理
：vision language model(title,abstract)；分类 cs.CV、cs.AI、cs.LG
