Hugging Face Daily Papers·· 2026-10-19AI 评分70
ScaleNav:面向语言条件局部导航的可扩展互联网视频预训练
ScaleNav: Scalable Internet Video Pretraining for Language-Conditioned Local Navigation
AI 导读
论文提出了 ScaleNav 统一的世界 - 动作框架,旨在解决端到端导航策略需要多样化数据且真实数据采集成本高、仿真存在差距的问题。该方法首先利用互联网第一人称视频进行指令条件视频预训练以学习观察随相机接近目标而演变的视觉动态;随后使用带标签的仿真数据进行动作对齐以预测可执行的动作片段;最后通过联合微调优化所有可训练组件。
来源:Hugging Face Daily Papers · arxiv.org