大家在做目标检测落地时会考虑用 VL 大模型直接做识别吗？

@monstericeer 通用大模型处理图片都会缩放，视觉估算坐标的时候漂移很严重，gemini 我没试过，GPT5.4 和 opus 基本都是残废，而且官方文档不可信，claude vision 文档说单边大于 1580px 总像素>1.15M 才会缩放，实际比这严格很多 800 * 600 都会缩放，一缩放就别指望坐标能准确了

用的，旅游时就用 minimax token plan ，自带了一个里的 image 01 ，在 openclaw 里识别我随手拍的照片根据内容重命名放进 google drive ，识别的还挺好的。

哦，你做训练啊，我还以为个人用，误会哈哈。

@monstericeer 我的无人机低空场景的，正在尝试小的 vml 比如 qwen3.5 0.8B 辅助做决策

@commoccoom 我也是巡检

@coldstars 飞行决策吗？我目前还不敢接到控制这块

@coldstars 怎么决策？我们都是按航点飞