跳到正文
arXiv · 机器人与计算机视觉· Gershom Seneviratne, Yohan Abeysinghe, Jianyu An, Vaibhav Shende, Rahul Kumar, Dinesh Manocha·· 17 天前AI 评分75

VEGA:利用野外第一人称视频学习导航视觉语言动作模型

VEGA: Learning Navigation VLAs from In-the-Wild Egocentric Video with Geometric Trajectory Supervision

AI 导读

本文介绍 VEGA 方法,通过从单目视频中重建局部场景几何,采样导航目标(文本、图像或空间路点)并生成避障轨迹,从而训练流匹配 VLA 导航策略。该方法仅在训练中利用几何信息,将避障规划直接蒸馏到视觉策略中。

来源:arXiv · 机器人与计算机视觉 · arxiv.org