An 等人提出 EvoNav 终身具身导航记忆框架
热点事件持续更新
An 等人提出 EvoNav 终身具身导航记忆框架
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026 年 11 月,Weitao An、Chenghao Xu 等人在 arXiv 发表论文,提出了 EvoNav 终身具身导航经验进化框架。该框架针对现有方法存储成本高且无法显式进化的局限,构建了包含语义观测与空间关系的稀疏经验原子。在慢时间尺度上,系统通过蒸馏类别共现与反馈信号生成环境特定的结构知识,无需预定义对象关系。实验表明,该方法在单目标、多楼层及多模态导航任务中实现了有效经验复用与路径效率提升,并成功迁移至真实机器人验证。
AI 根据报道生成 · 12 小时前更新
最新进展11月18日 13:00
超越情节回忆:面向终身具身导航的经验到知识进化报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv · 机器人与计算机视觉超越情节回忆:面向终身具身导航的经验到知识进化
针对现有记忆增强方法存储成本高且无法显式进化知识的局限,本文提出了 EvoNav 两时间尺度记忆框架。该框架将语义观测、空间关系及任务反馈线索组织为稀疏经验原子,并在慢时间尺度上将类别共现与反馈信号蒸馏为环境特定的结构知识,无需预定义对象 - 房间关系。实验在单目标、序列多楼层及多模态导航任务中验证了有效经验复用与路径效率提升,并成功迁移至真实机器人。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月18日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月19日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。