复旦与南洋理工提出SimpleVLN导航方法

复旦大学与新加坡南洋理工大学等团队提出SimpleVLN视觉语言导航方法：不改动多模态大模型核心结构、不新增专用导航模块，仅靠观测筛选、动作块决策与SFT、DAgger、强化学习三阶段训练完成导航。模型每次调用作为独立决策，输入导航指令、当前画面和筛选后的历史观测，不累积过往对话与动作。 据该团队称，结合R2R、RxR和ScaleVLN示范数据后，DAgger使模型在R2R-CE成功率从57.9%升至65.4%，RxR-CE从55.3%升至63.4%。基于Qwen3-VL 4B的版本在NVIDIA A100上每次动作块决策耗时293毫秒，与流式方法StreamVLN延迟相近。团队还在仿真评测之外将SimpleVLN部署到四足机器狗上。

AI 根据报道生成 · 25 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。