研究人员推出了一种新颖的世界导航模型WNM-3D，该模型集成了用于闭环视觉语言导航（VLN）的3D场景条件约束。该模型通过显式建模代理的视觉观察如何随着其预测的运动而演变，解决了当前VLN系统的局限性。WNM-3D利用几何编码器和3D场景到Token适配器，将扩散Transformer约束在持久的场景上下文中，从而实现更鲁棒的导航。 AI
影响 该模型通过更好地整合3D场景理解与动作生成，有望提高代理在复杂导航任务中的性能。
排序理由 该集群包含一篇详细介绍新模型及其方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
