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
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。
视觉语言导航
共 1 条相关 AI 资讯
7月3日
09:54
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。