arXiv · 机器人与计算机视觉· Yiming Zhao, Tianshun Li, Jingle He, Ruonan Chai, Xinhu Zheng·· 2026-10-06AI 评分59
LightVLN:一种具备紧凑记忆与历史引导局部聚合的高效空中视觉语言导航方法
LightVLN: Efficient Aerial Vision-and-Language Navigation with Compact Memory and History-Guided Local Aggregation
AI 导读
针对现有空中视觉语言导航模型依赖大参数骨干网络和高密度视觉历史导致算力与内存成本过高的问题,该研究提出了 LightVLN 框架。该方法采用仅 0.5B 的语言骨干网络,利用策略已计算的视觉特征将每个历史帧压缩为单个 token,并通过条件局部聚合将当前观测从 256 个视觉 token 降至 32 个,同时保留导航相关空间信息。
来源:arXiv · 机器人与计算机视觉 · arxiv.org