跳到正文
arXiv · 机器人与计算机视觉· Yuehao Huang, Yunzi Wu, Xiaotao Zhang, Xinhai Li, Jiankun Dong, Sunyao Zhou, Jiajun Lv, Chi Zhang, Chenjia Bai, Yong Liu, Xuelong Li·· 20 天前AI 评分58

WNM-3D:一种用于闭环视觉语言导航的带 3D 场景条件的世界导航模型

WNM-3D: A World Navigation Model with 3D Scene Conditioning for Closed-Loop VLN

AI 导读

该论文提出 WNM-3D,这是一个用于连续视觉语言导航(VLN)任务的生成式世界导航模型。它利用冻结的前馈几何编码器从单目 RGB 历史中提取跨视图表示,并通过可训练的 3D 场景到 Token 适配器将其转换为固定长度的场景前缀,供世界动作扩散 Transformer 使用。

来源:arXiv · 机器人与计算机视觉 · arxiv.org