机器人导航相关 AI 资讯 · AI 热点

7月9日

15:17

15:17IT之家（博客/媒体）

精选

Mistral推出Robostral Navigate模型，总参数量8B，仅靠单个RGB摄像头即可在复杂环境中自主导航。该模型在R2R-CE基准测试中，validation seen成功率达79.4%，validation unseen成功率达76.6%，比最佳单摄像头方案高9.7分，比使用深度传感器或多摄像头的系统高4.5分。训练数据来自6000个虚拟空间中的约40万条路径。模型适用于轮式、腿式和飞行机器人。

AI模型 Mistral Robostral Navigate R2R-CE 机器人导航单摄像头

推荐理由：Mistral出了个机器人导航模型Robostral Navigate，只用普通摄像头，在R2R-CE上比所有单摄像头方案高9.7分，挺实用的。

01:49

01:49

官方账号Decoder@Matthias Bastian

73°

Mistral 发布了 Robostral Navigate，一个 8B 参数的机器人导航模型。该模型仅依靠单个 RGB 摄像头即可在未知环境中引导机器人。它在模拟中训练并通过强化学习方法 CISPO 优化。在 R2R-CE 基准上，Robostral Navigate 达到了 76.6% 的准确率。Mistral 尚未公布该模型的发布时间。

AI模型 Mistral Robostral Navigate 机器人导航视觉导航强化学习

推荐理由：Mistral 出了机器人模型 Robostral Navigate，8B 参数用单摄像头就能导航，R2R-CE 上 76.6%，轻巧实用。

7月3日

09:54

09:54

官方账号arXiv cs.AI@Haokun Liu, Zhaoqi Ma, Yicheng Chen, Wentao Zhang, Masaki Kitagawa, Zicen Xiong, Jinjie Li, Moju Zhao

论文提出CoFL-S，一种低层视觉-语言-动作框架，通过预测机器人局部可见扇区的语言条件流场来生成连续轨迹。为训练这一表示，作者将VLN-CE中的整段指令与动作序列转换为帧级局部监督（含子指令、动作、轨迹和密集流场目标）。评估引入连续时间Habitat基准，隔离低层动作接口并使用共享速度命令控制器进行闭环对比，覆盖不同规划频率。在匹配编码器和训练设置下，CoFL-S在所有规划频率上优于动作token和动作块基线，零样本真实世界部署也进一步展示了其对两者的优势。

论文 CoFL-S VLN-CE Habitat 视觉语言导航机器人导航

推荐理由：CoFL-S用预测流场代替离散动作，在Habitat基准上比动作token和动作块方法都强，还能直接跑真实机器人，做语言导航的可以看看。

6月16日

22:10

22:10

官方账号阿里云 Alibaba Cloud@alibaba_cloud

76°

阿里云发布Qwen-Robot Suite，包含三个基础模型：Qwen-RobotNav统一5种导航任务（指令跟随、点目标、物目标、目标跟踪、自动驾驶）；Qwen-RobotManip在38,100+小时开源语料上预训练，实现异构机器人统一状态-动作空间；Qwen-RobotWorld支持20+具身化身，通过自然语言接口预测物理世界未来。三个模型可独立使用或组合，构成通用具身智能系统的底层工具包。

AI模型 Qwen Robot 具身智能机器人导航基础模型

推荐理由：阿里云一口气发了三个机器人基础模型：导航、操作、世界模型，每个都能单独用，还能组合。Qwen-RobotManip在3.8万小时数据上预训练，挺实在的。