인식과 탐색의 조합
CoW는 언어로 물체를 지칭하는 개방형 모델을 이동 과제에 연결한다. 연구는 CLIP 기반 물체 위치 찾기와 고전적인 탐색을 결합한 단순 구성도 비교했다.
Pasture가 묻는 것
벤치마크는 흔하지 않은 물체와 공간 및 외관 속성으로 설명한 대상을 포함한다. 보이는 물체와의 관계로 묘사한 숨은 물체도 평가해 단순 이름 검색의 한계를 살핀다.
언어 설명의 한계
논문에서 CoW 구성들은 드문 물체를 찾는 데 유용했지만 자세한 언어 설명을 활용하는 데 어려움을 보였다. 새로운 물체 범주를 아는 것과 관계가 포함된 목표를 이해하는 것은 다르다.
추가 학습 없는 비교
연구는 추가 훈련 없는 구성과 많은 이동 경험을 사용한 방법을 비교했다. 보고된 효율과 성공 차이는 해당 환경과 구성의 결과이며 모든 학습 기반 방법보다 우수하다는 뜻은 아니다.