arXiv · 机器人与计算机视觉· Kailing Li, Yu Han, Tianwen Qian, Yuqian Fu, Jingyu Gong, Jiangming Shi, Xiaoling Wang·· 2026-10-06精选AI 评分78
GroundingVLN:基于视觉锚点的视觉语言导航推理与行动方法
GroundingVLN: Reasoning and Acting with Grounding for Vision-Language Navigation
AI 导读
针对现有视觉语言导航智能体难以连接语义推理与空间执行的难题,本文提出 GroundingVLN 框架,利用视觉锚点作为推理与行动的共享接口。该方法首先通过锚定任务相关视觉证据进行结构化推理,随后预测进度对齐的像素目标以指导底层运动规划。
推荐理由
提出 GroundingVLN 框架,通过视觉锚点连接语义推理与空间执行,在 R2R-CE 和 RxR-CE 基准上实现 SOTA 性能且仅需 0.9% 训练数据。
来源:arXiv · 机器人与计算机视觉 · arxiv.org