AITOP

视觉语言导航

共 3 条相关 AI 资讯
8月13日
18:01
18:01官方账号arXiv cs.AI@Yan Deng, Fei Xu
DreamFly 是基于 Dream-VLA 的扩散式航空视觉语言导航框架。它引入因果对齐历史记忆，仅使用当前决策前的观测增强视觉表征，避免未来信息泄漏。导航采用 receding-horizon 扩散规划，预测 K 步动作块但只执行第一步，实现 plan-K、execute-one 策略。LiteStop 在初始全掩码状态直接从动作 logits 估计停止概率，将终止判断与动作生成解耦。在 OpenFly 基准上，DreamFly 在 test-seen/test-unseen 上分别取得 32.04%/29.46% SR 和 28.22%/23.54% SPL，并达到最低导航误差。
AI模型DreamFlyDream-VLAOpenFly
推荐理由：做航空视觉语言导航的看这个：DreamFly在OpenFly上SR和SPL都超过现有方法，导航误差最低，还能判断何时到达。
原文
7月30日
10:28
10:28官方账号arXiv cs.AI@Zhe Liu, Quan Lu, Zhaohui Du, Zhe Wang, Huanbo Jin, Jiaming Gu, Qi Wang, Ting Xiao, Minting Pan, Dongzhan Zhou
BioVLN是一个专为生物医学实验室设计的视觉语言导航仿真平台。它将每个仪器表示为物理体、安全区和操作区三个区域，并以此进行场景生成和目标放置。平台包含47个场景和1667个episode，支持标准化导航和强化学习接口。实验显示，几何探索方法达到74.4%–87.5%的成功率，而在操作区内采样多个有效位置可将成功率提升至83.3%–92.5%，同时减少不安全接近。
论文BioVLN视觉语言导航仿真平台
推荐理由：BioVLN专门为实验室机器人导航设计，把仪器分成三个区域来评估，比普通方法更安全，成功率能上80%+。
原文
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-SVLN-CEHabitat
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。
原文