跳到正文
arXiv · 机器人与计算机视觉· Yan Wang, Jiangyong Huang, Siyuan Huang, Baoxiong Jia·· 23 天前精选AI 评分78

MemVLN:面向视觉语言导航的流式情景记忆框架

MemVLN: Streaming Episodic Memory for Vision-Language Navigation

AI 导读

该论文提出 MemVLN 框架,旨在解决基于 VLM 的智能体在长视野导航中维持持续情景记忆的难题。方法上,系统维护一个有界压缩感知特征库(标注时间戳与动作相对姿态),并通过交叉注意力生成紧凑记忆 token;结合冻结预训练几何编码器及掩码轨迹总结任务进行训练。

推荐理由

提出 MEMVLN 框架,通过压缩感知特征与冻结几何编码器实现长视野导航中的持续记忆,物理实验显示成功率从基线 17% 提升至 47%。

来源:arXiv · 机器人与计算机视觉 · arxiv.org