跳到正文
arXiv · 机器人与计算机视觉· Ningbo Li, Kebin Liu, Jingcan Chen, Weichen Zhang, Rong Ding, Yunhao Liu, Mo Li·· 9 天前AI 评分68

Reaching Is Not Finding:基于地图锚点的视觉提示用于空中视觉语言导航的最后一公里

Reaching Is Not Finding: Map-Anchored Visual Prompting for the Last Mile of Aerial Vision-Language Navigation

AI 导读

论文指出当前空中视觉语言导航器常出现‘到达目标位置却未识别物体’的问题,原因是模型学会了抵达地标而非识别指令中的具体对象。作者提出 MAP-VP 模块,在导航器停止后自动将指令中的地标绘制到无人机视野中,再结合微调后的 4B 视觉语言模型定位目标。

来源:arXiv · 机器人与计算机视觉 · arxiv.org