RxR-CE
PulseAugur coverage of RxR-CE — every cluster mentioning RxR-CE across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
RSI-Nav框架通过递归自改进增强AI导航代理
研究人员开发了RSI-Nav，一个新颖的数据中心框架，旨在改进视觉-语言导航代理。该系统通过为未标记的轨迹生成指令、评估其有效性，然后更新其自身策略，来递归地增强其能力。RSI-Nav基于Qwen3.5:9b模型构建，旨在通过分片更新确保生成的监督与不断演变的代理策略保持一致，从而克服传统数据合成方法的局限性。实验证明在R2R-CE和RxR-CE等基准数据集上性能显著提升。
-
NavGPT-3 系统将大型语言模型与具身智能体的动作策略相结合
研究人员开发了 NavGPT-3 系统，该系统将语言模型与具身智能体的动作策略相结合。这种集成通过将推理、动作和监控作为单独的线程运行来实现分层导航，并由一个运行时管理，该运行时可以响应现实世界事件将控制权切换到机器人的运动。该系统的动作策略 NavGPT VLA 在超过 1900 万个示例上进行了训练，在 R2R-CE 和 RxR-CE 等导航基准测试中取得了最先进的成果，在成功率和路径保真度方面与人类表现相当。
-
新方法引导AI导航避开看不见的危险
研究人员开发了一种名为物理引导视觉提示（PG-VP）的新方法，以增强视觉-语言-动作（VLA）模型在安全关键环境中的导航能力。这个即插即用的模块允许VLA模型通过叠加虚拟障碍物来检测和导航避开看不见的危险，如辐射和高温，从而指导模型现有的导航策略。PG-VP已在模拟和现实世界测试中证明了其有效性，在无需重新训练模型的情况下显著提高了安全性。
-
NavGPT-3系统为具身智能体实现人类水平的导航
研究人员开发了NavGPT-3，一个将语言模型与具身智能体的动作策略相结合的系统。这种结合实现了实时决策和物理控制，使机器人能够对突发环境变化做出反应。NavGPT-3在R2R-CE和RxR-CE等基准测试中取得了最先进的性能，在导航任务中达到了与人类相当的成功率和路径保真度。
-
VTInstructor框架为连续环境生成导航指令
研究人员开发了VTInstructor，一个用于在连续环境中生成导航指令的新颖框架。该系统解决了从密集RGB流中提取轨迹线索的挑战，而之前的方法依赖于离散的视点图。VTInstructor通过将轨迹压缩为关键帧、叠加路径和转弯信息，并将这些信号注入视觉编码器，将隐式轨迹几何转换为显式视觉提示。该框架在R2R-CE和RxR-CE基准测试上取得了新的最先进成果，显著提高了指令遵循的成功率，并为下游导航任务带来了收益。
-
TAMP-Nav 框架增强大型视觉语言模型（VLMs）的具身导航能力
研究人员推出 TAMP-Nav，一个旨在增强大型视觉语言模型（VLMs）具身导航能力的新框架。该方法将导航任务重新构建为二维视觉提示，使 VLMs 能够选择像素，然后将这些像素投影到三维坐标以执行。TAMP-Nav 还包含一个选择性推理机制，仅在关键节点触发思维链（Chain-of-Thought），并使用锚点轨迹记忆（Anchor-Trajectory Memory）来压缩冗余路径。该框架在 R2R-CE 等基准测试中取得了最先进的…
-
Robostral Navigate：可扩展的8B视觉语言模型在机器人导航领域创下新的SOTA · 跟踪2个来源
研究人员开发了Robostral Navigate，一个拥有80亿参数的视觉语言模型，专为可扩展的机器人导航而设计。该模型独特地处理单目RGB图像来预测航点，使其能够适应各种机器人形态，如轮式、腿式和空中平台，而无需重新校准。一种新颖的prefix-caching训练方法将训练时间从数月缩短到数天，并且该模型在R2R-CE和RxR-CE基准测试中取得了最先进的成果，性能优于依赖更复杂传感器设置的系统。
-
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。
-
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。