具象化图像压缩

图像压缩 for 机器（ICM）已成为视觉数据压缩领域的关键研究方向。然而，随着机器智能的快速演进，压缩的目标正从面向特定任务的虚拟模型，转向实际环境中运行的具象化智能体。在应对具象化 AI 多智能体系统中的通信约束，并确保实时任务执行的需求情况下，本文首次提出了具象化图像压缩这一科学问题。我们建立了标准化基准，具象化压缩（EmbodiedComp），以 closed-loop 环境下的超低比特率条件进行系统评估。通过在模拟和真实环境中的大量实证研究，我们展示了现有的视觉-语言-动作模型（VLA）在压缩低于具象化比特率阈值后，甚至无法可靠地完成简单操作任务。我们预计具象化Comp 将催化开发针对具象化智能体 定制的压缩方法，从而加速具象化 AI 在真实世界中的部署。