Hầu hết các tiêu chuẩn VLM đều quan sát thế giới; ít người hỏi làm thế nào các hành động *thay đổi* nó từ góc nhìn của một robot. Nhận thức thân thể cho chúng ta biết rằng trí tuệ không chỉ là quan sát – nó được thực hiện thông qua tương tác. 👉Chúng tôi giới thiệu ENACT: Một tiêu chuẩn kiểm tra xem các VLM có thể theo dõi sự phát triển của một môi trường quy mô gia đình từ góc nhìn tự thân của robot hay không. 🌐 📄 1/N