English(EN) Explaining Navigation Decisions: Stage-Aware Visual Attribution for Vision-Language Navigation

新框架增强机器人导航决策的可解释性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了一个新的阶段感知归因框架，以提高视觉语言导航（VLN）模型的可解释性。该框架解决了证据在历史和当前观察以及不同指令阶段之间的分布问题，而现有方法忽略了这一点。实验表明，该方法提高了归因质量，并可作为分析失败案例的诊断工具，已成功应用于使用 Unitree G1 机器人的真实世界导航。 AI

影响提高了对 AI 导航系统的理解和调试能力，有望实现更可靠的机器人部署。

排序理由该集群包含一篇学术论文，详细介绍了 AI 可解释性的新框架，特别是针对视觉语言导航。 [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: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了 AI 可解释性的新框架，特别是针对视觉语言导航。 [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, product; 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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Yiyuan Yao, Xinpeng Ding, Minglei Chen, Fei Gao, Lihuo He, Jie Yuan, Aijun Li, Nannan Wang, Xinbo Gao · 2026-10-27 04:00

解释导航决策：面向视觉语言导航的阶段感知视觉归因

arXiv:2610.34028v1 Announce Type: new Abstract: As Vision-Language Models (VLMs) increasingly enable robots to follow language instructions, understanding their navigation decisions becomes important for reliable deployment. Existing explainability methods overlook a key challeng…

本文如何被排名

报道来源 [1]

解释导航决策：面向视觉语言导航的阶段感知视觉归因

相关实体

相关话题