.jpg)
En el campo de la inteligencia artificial, el razonamiento alocéntrico es un tema de creciente interés debido a la necesidad de tareas espacialmente fundamentadas como la Navegación/Acción Visión-Lenguaje. Los Modelos Visión-Lenguaje (VLMs) han demostrado ser eficaces en tareas egocéntricas, pero su rendimiento se ve limitado en consultas alocéntricas que requieren cambios de perspectiva explícitos, donde la respuesta depende de la razón en un marco centrado en el objetivo en lugar de la vista de la cámara observada.
En Q2BSTUDIO somos expertos en el desarrollo de aplicaciones a medida y en la implementación de soluciones tecnológicas personalizadas. Es por eso que resulta fundamental abordar la problemática del razonamiento alocéntrico en los VLMs, y es aquí donde entra en juego el Perceptor Alocéntrico.
El Perceptor Alocéntrico es una estrategia libre de entrenamiento que permite recuperar estados métricos 3D a partir de una o más imágenes con expertos geométricos disponibles en el mercado. Posteriormente, instancia un marco de referencia alocéntrico condicionado por la consulta alineado con la intención semántica de la instrucción. Al transformar determinísticamente la geometría reconstruida en el marco objetivo y al proporcionar al VLM base representaciones estructuradas y basadas en geometría, el Perceptor Alocéntrico reduce la carga de trabajo mental al pasar de un razonamiento implícito a una computación explícita.
En Q2BSTUDIO también ofrecemos servicios cloud AWS y Azure, así como soluciones de inteligencia artificial para empresas. La evaluación del Perceptor Alocéntrico en diferentes familias de modelos de referencia en bancos de pruebas de razonamiento espacial reveló mejoras consistentes y significativas en tareas alocéntricas, manteniendo un sólido rendimiento egocéntrico y superando a modelos perfeccionados en percepción espacial y a los modelos de código abierto y propietarios líderes en el mercado.
