English(EN) ViSMoE: Visual-Aware Sparse Mixture-of-Experts for Embodied Referring Expression Grounding

ViSMoE框架通过视觉感知稀疏专家混合模型增强代理导航能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-25 04:00

研究人员推出了一种名为ViSMoE的新型框架，旨在改进代理在真实环境中导航时的具身指代表达定位能力。该方法在稀疏专家混合架构中利用视觉感知路由策略，以区分处理不同类型的视觉信息。通过为视图和对象创建更具辨别力的表示，ViSMoE旨在克服先前方法中存在的歧义。在REVERIE和SOON数据集上的实验表明，ViSMoE的表现优于现有的最先进技术。 AI

影响这项研究可能催生更复杂的AI代理，使其能够根据自然语言指令更好地理解和执行复杂的导航任务。

排序理由该集群描述了一篇新的研究论文，详细介绍了新颖的模型架构及其在特定数据集上的性能。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 1 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇新的研究论文，详细介绍了新颖的模型架构及其在特定数据集上的性能。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 1 days old; Coverage has settled into its steady-state source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Shuo Feng, Piji Li · 2026-08-25 04:00

ViSMoE：面向具身指代表达理解的视觉感知稀疏专家混合模型

arXiv:2608.21878v1 Announce Type: new Abstract: Embodied Referring Expression Grounding is the task of enabling an agent to navigate in real environments and to localize a remote object based on natural language instructions. In this scenario, the agent needs to select one view f…

本文如何被排名

报道来源 [1]

ViSMoE：面向具身指代表达理解的视觉感知稀疏专家混合模型

相关实体

相关话题