跳到正文
Hugging Face Daily Papers·· 1 天前精选AI 评分85

ZeroVLN:无需对 VLM 大脑进行监督微调即可学会导航

ZeroVLN: Learning to Navigate without Supervised Fine-Tuning of the VLM Brain

AI 导读

论文介绍 ZeroVLN,一种慢 - 快导航框架,旨在解决视觉语言导航中微调 VLM 导致通用能力下降的问题。该方法不直接让 VLM 预测几何目标,而是为其配备语义工具调用接口以传达移动决策,再联合优化大脑的决策与动作专家的连续执行。

推荐理由

提出 ZeroVLN 框架,通过语义工具调用接口与闭环强化学习实现零导航域微调的视觉语言导航,在保持通用视觉能力的同时优于传统 SFT 方法。

来源:Hugging Face Daily Papers · arxiv.org