实体
VLN-CE
VLN-CE
PulseAugur coverage of VLN-CE — every cluster mentioning VLN-CE across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
MobileVLA-R1 2.0 通过推理和强化学习提升机器人指令遵循能力
研究人员推出了 MobileVLA-R1 2.0，一个旨在增强移动机器人遵循复杂、长时程指令能力的新框架。该系统集成了结构化推理、强化学习和思维链对齐，以弥合高级理解与低级机器人控制之间的差距。在包括 Unitree Go2 和 G1 机器人的导航和操作等各种任务上的评估显示，与先前版本相比有了显著改进，尤其是在真实世界的移动操作场景中。
-
新的 Traj-VLN 方法训练视觉语言模型在像素空间中进行导航
研究人员开发了 Traj-VLN，一种用于连续环境视觉语言导航（VLN-CE）的新方法。该方法侧重于训练视觉语言模型（VLM）直接在二维像素空间中生成导航轨迹，从而绕过了 VLM 通常缺乏的显式三维几何信息。该模型预测一系列像素坐标，以根据语言指令和历史观察指导具身智能体穿越未知环境。实验表明，这种像素空间轨迹监督显著提高了 VLN 的性能，在资源利用效率高的情况下取得了最先进的成果。
-
新的CoFL-S框架增强了机器人导航的低级动作生成
研究人员推出了一种新颖的CoFL-S框架，旨在改进视觉语言导航（VLN）任务的低级动作生成。该方法在机器人的局部视图内预测一个语言条件流场，从而能够生成连续轨迹。通过将现有的VLN-CE片段转换为带有对齐子指令和动作目标的帧级监督，CoFL-S得到了训练。与在新的连续时间Habitat基准上的动作令牌和动作块基线相比，该框架表现出优越的性能，并在实际部署中显示了有效性。