R2R-CE
PulseAugur coverage of R2R-CE — every cluster mentioning R2R-CE across labs, papers, and developer communities, ranked by signal.
-
PlatonicNav框架支持纯视觉导航，无需配对数据
研究人员推出了一种新颖的具身导航框架PlatonicNav，该框架在训练期间无需配对的视觉-语言数据。该系统采用纯视觉方法构建语义地图，然后通过盲过程匹配语言目标。PlatonicNav旨在通过将各种导航任务（包括视觉-语言导航和物体目标导航）视为共享的以物体为中心的语义流形的接口来统一它们。
-
StereoNav框架提升AI代理的真实世界导航能力
研究人员推出了一种名为StereoNav的新框架，旨在提高视觉-语言导航（VLN）代理在真实环境中导航的可靠性。该系统通过引入目标位置先验以实现稳定引导，并利用立体视觉增强深度感知，来解决由感知不稳定和指令模糊引起的性能下降问题。实验表明，StereoNav在基准数据集上取得了最先进的成果，并在复杂、非结构化环境中展现出更强的导航可靠性，性能优于更大、数据密集型的模型。
-
VLN-Cache通过动态令牌缓存提高视觉语言导航模型的速度
研究人员开发了VLN-Cache，一个旨在提高视觉和语言导航（VLN）模型效率的新框架。该方法通过重用稳定的视觉令牌，解决了实时应用中冗余计算的挑战。VLN-Cache 结合了视图对齐重映射来处理相机视角的改变，以及任务相关性过滤器来管理导航过程中语义焦点的转移。在 R2R-CE 基准测试上的实验表明，在保持导航成功率的同时，速度提升高达 1.52 倍。
-
Three-Step Nav 规划器改进了零样本视觉-语言导航代理
研究人员开发了一种名为 Three-Step Nav 的新分层规划器，以改进零样本视觉与语言导航 (VLN) 代理。该方法使用三视图协议来解决当前由 MLLM 驱动的 VLN 系统中常见的漂移和过早停止等问题。通过向前查看地标、当前查看子目标对齐、向后查看审核轨迹，Three-Step Nav 在无需额外训练的情况下提高了导航精度。