카메라를 통해 세상을 읽는 로봇들은 이제 거대 비전-언어 모델에 의존하여 보이는 것을 해석하고 다음에 무엇을 할지 결정합니다. 이 모델들은 이미지와 텍스트를 함께 처리하므로, 카메라 프레임 안에 들어오는 모든 단어는 입력의 일부가 됩니다. 정지 표지판, 거리 이름, 벽에 붙은 스티커. 공격의 중심에 있는 과잉 생각 행동 미시간 공과대학교의 연구원들은 이 읽기...