arXiv · 机器人与计算机视觉· Zeqi Li, Xunyi Zhao, Zerui Li, Sihao Lin, Qi Wu, ShiJie Li·· 2026-10-20AI 评分73
结构优于推理:利用小型视觉语言模型实现统一的零样本导航
Structure over Reasoning: Unified Zero-Shot Navigation with a Small Vision-Language Model
AI 导读
针对小型视觉语言模型在具身智能任务中能力不均的问题,本文提出一种将感知证据转化为结构化决策的导航框架。该方法在每一步向模型询问两个感知问题(方向判断与停止依据)及一个路径指令查询,利用鸟瞰图上的语义场、骨架图与两阶段终止器处理结果。
来源:arXiv · 机器人与计算机视觉 · arxiv.org