实体
HM3D v0.1
HM3D v0.1
PulseAugur coverage of HM3D v0.1 — every cluster mentioning HM3D v0.1 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的HGWM模型增强了具身智能体的零样本物体导航能力
研究人员开发了HGWM,一个分层图引导世界模型,用于具身智能体的零样本物体导航。该模型集成了LLM生成的先验知识和持久的空间语义记忆,并采用两阶段评分系统来评估候选导航路径。与WMNav等现有方法相比,HGWM在HM3D和MP3D数据集上展示了更高的成功率和适度的路径效率提升。
-
ReMemNav框架通过基于记忆的纠正增强零样本物体导航
研究人员开发了ReMemNav,一个旨在改进AI代理零样本物体导航的新型框架。这种无需训练的方法通过结合基于记忆的决策纠正和目标验证,增强了代理在不熟悉环境中定位未见过目标的能力。ReMemNav利用语义基础和几何触发的纠正机制来避免重复探索和过早停止,同时在最终接近之前验证目标预测。在HM3D和MP3D数据集上的实验表明,与现有基线相比,成功率和路径效率有了显著提高。
-
VTM-Nav 框架通过视觉拓扑记忆增强具身智能体的导航能力
研究人员推出了一种新颖的框架 VTM-Nav,专为具身智能体的目标导航而设计。该系统利用持久的分层视觉拓扑记忆 (VTM) 在房间和物体层面组织场景知识,从而能够有效地在同一环境中的多个导航回合之间重用经验。与现有方法相比,VTM-Nav 在 HM3D v0.1、HM3D v0.2 和 MP3D 等基准测试中表现出色,展示了结构化视觉拓扑记忆对具身 AI 的优势。