LCVN语言条件视觉导航论文发布

华盛顿大学等机构的研究者提出语言条件视觉导航任务 LCVN：模型仅凭起点图像和语言指令预测完整导航动作序列，预测过程中没有后续真实环境反馈用于纠错。团队构建了含 39016 条轨迹、117048 条人工核验指令的数据集。 团队比较了两条结合世界模型与导航决策的路线：LCVN-WM 与 LCVN-AC 在世界模型潜空间中学习策略，LCVN-Uni 基于 Anole-7B 联合预测动作与画面。前四个数据源用于训练和域内评估，TartanDrive 越野场景用于检验陌生环境泛化。 研究团队称，当前指令仅覆盖三种预设风格的英文表达，真实机器人的闭环验证仍有待开展。

AI 根据报道生成 · 5 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。