跳到正文
arXiv · 机器人与计算机视觉· Ruizhe Xie, Honghua Chen, Binglin Wang, Tong Guo, Xu Tang, Puti Yan, Shaoxiong Cai·· 2 天前AI 评分58

VLN-Flash:基于自适应执行的并行动作解码视觉语言导航方法

VLN-Flash: Parallel Action Decoding with Adaptive Execution for Vision-and-Language Navigation

AI 导读

针对视觉语言导航策略自回归生成导致的等待延迟问题,VLN-Flash 提出一种无需训练的解码器,能在单次前向传播中并行评估完整动作前缀树。该方法利用分支特定注意力与匹配 token 位置保持原始策略的条件分布,并通过步数贪婪前缀与其最强替代方案的分数差值决定执行步数。

来源:arXiv · 机器人与计算机视觉 · arxiv.org