#视觉语言导航 (7)

瀑布流分页

1:59

AGC-VLN 空地共享鸟瞰图导航

@heetezition · 57次播放 · 2026-09-07

VLNAir-Ground CollaborationUAV-UGV

SPARK-VLN：流式潜空间动态视觉语言导航

冻结的 VILA-8B 慢推理器把逐 token 多层隐状态流式汇成 8 个潜槽，实时条件化流匹配快规划器；动态行人导航基准上理想/真实两阶段成功率 41.6%/34.8%，碰撞率最低。

Tianshuai Hu, Yangyi Zhong, Zeying Gong2026年7月18日

视觉语言导航Social NavigationDual-System2026年7月18日

1:09

LightNav-0 零样本部署到逐际动力双平台

@LimX_Dynamics · 244次播放 · 2026-09-04

LightNav-0VLN导航

ABot-N1：通用视觉语言导航基础模型

高德ABot-N1是一个慢快双系统视觉语言导航基础模型：4B慢系统输出思维链与Target/Affordance双像素目标，2B快系统经QFormer动作查询解码连续SE(2)轨迹点，用统一像素接口覆盖坐标点、物体、POI、指令跟随与人员跟随五类任务。3000万样本预训练+GRPO安全感知后训练，并发布ABotN-PointBench与ABotN-POIBench两个闭环基准。五基准全部SOTA：POI入口到达77.3%（+35.0个百分点），室外/室内坐标点导航92.9%/95.4%，并部署于途途四足机器人Jetson AGX Orin。

Ruiyan Gong, Yingnan Guo, Junjun Hu2026年7月11日

VLNNavigation Foundation ModelSlow-Fast Architecture2026年7月11日

SuperMap：面向视觉语言导航的时空SLAM系统

SuperMap是CMU提出的实时4D时空语义建图框架，将高频几何SLAM与异步开放词汇感知结合，通过一致性驱动的建图引擎维护稳定的物体实例身份并在遮挡和场景变化下修剪过时内容，生成可查询的4D场景图接口供视觉语言模型进行零样本推理和语言引导导航。

Shibo Zhao, Guofei Chen, Honghao Zhu2026年7月1日

同步定位与建图视觉语言导航场景图2026年7月1日

1:00

SuperMap视觉语言导航SLAM系统

@ShiboZhaoSLAM · 93次播放 · 2026-07-14

同步定位与建图SuperMapvisual-language navigation

AwareVLN：面向视觉语言导航的自感知推理

视觉语言导航（VLN）要求智能体将语言指令与自身在视觉环境中的运动进行关联。当前最先进的方法利用视觉语言模型（VLM）的推理能力进行端到端动作预测，但往往缺乏对智能体自身状态、指令和场景之间关系的显式且可解释的理解。另一方面，显式构建场景图进行启发式规划虽然直观，但依赖额外的3D传感器并阻碍大规模视觉语言预训练。为弥合这一差距，我们提出 AwareVLN，一种赋予导航模型自感知推理机制的新框架，使其能够以完全端到端和数据驱动的方式理解智能体状态和任务进度。该方法包含两项关键创新：（1）一个结构化推理模块，培养空间和任务导向的自感知能力；（2）一个带有进度划分的自动数据引擎，用于有效训练。在 Habitat 仿真器中多个数据集上的大量实验表明，AwareVLN 显著优于先前最先进的视觉语言导航方法。

Wenxuan Guo, Xiuwei Xu, Yichen Liu2026年5月21日

视觉语言模型VLN视觉语言导航2026年5月21日