Twelabs 于 10 月 7 日宣布推出 Pegasus 1.6,这是一款旨在处理第一视角视频数据的视觉语言模型(VLM),即从第一人称视角拍摄的影像。该模型通过让机器人理解从工作人员视角记录的任务(例如使用运动相机或智能眼镜拍摄的影像),解决了具身 AI 开发中的一项关键挑战。
Pegasus 1.6 具备五项核心功能:动作分割与标注、详细字幕标注、质量评估、搜索与整理,以及隐私与合规检测。这些功能可将视频数据结构化为适用于机器人训练的机器可读格式,使模型能够识别动作、辨认物体,并理解第一视角影像中的任务序列和上下文。