研究人员开发了NavMCP,这是一个结合了视觉语言模型(VLMs)和导航基础模型(NFMs)的框架,以创建更强大的物理世界代理。这种构建方法允许VLMs指导长距离探索和推理,而NFMs则处理导航任务的精确执行。该系统在HM-EQA、MT-HM3D和EXPRESS-Bench等多个基准测试中展示了最先进的性能,并在Unitree Go2机器人上取得了显著的成功率,尤其是在任务范围增加的情况下。 AI
影响 该框架可以使物理世界AI代理实现更复杂的长距离导航和任务执行。
排序理由 该集群描述了一篇详细介绍AI代理新框架的新研究论文。
在 Hugging Face Daily Papers 阅读 →
- alphaXiv
- arXiv
- DagsHub
- EXPRESS-Bench
- Gotit.pub
- HM-EQA
- Hugging Face
- MT-HM3D
- NavMCP
- ScienceCast
- Unitree Go2
- navigation foundation models
- vision-language model
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →