AgentVLN:3B 参数 VLM 当大脑,边缘设备实时登顶 VLN 榜单
jiqizhixin · x · 2026-09-19
入选 ECCV 2026 的 AgentVLN 提出「VLM-as-Brain」的视觉语言导航范式,仅用 Qwen2.5-VL-3B 作认知核心,即可在 Jetson 边缘设备上实时运行,并在主流 VLN 基准 R2R-CE 和 RxR-CE 上取得领先成绩。要点:
- 架构:VLM Agent → Skill Calling → SLAM/感知 → 机器人导航,模块化技能库负责具体执行,完全避开笨重的 3D 视觉模块
- QD-PCoT 机制:在遮挡、盲区、轨迹漂移下生成细粒度探索动作,抑制长程误差累积,且不增加参数
- 意义:证明小参数 VLM 加模块化执行足以替代重型 3D 方案,利于端侧部署
「具身」频道最新
- YC 灵巧手公司 Proception 将携新品亮相 IROS 2026 — chris_j_paxton · 2026-09-19
- VLM 不注明出处算剽窃吗?学者激辩 Astra 灵巧操作研究的 credit 归属 — JitendraMalikCV · 2026-09-19
- micro1 警告：前沿模型操控真实硬件已成最紧迫 AI 安全问题 — Exp_Mark · 2026-09-19
- 实验显示 Claude 操控机械臂时泼洒有毒液体、用力过猛 — Exp_Mark · 2026-09-19
- 机器人调研机构实地探访头部实验室：机器人已到实用化拐点 — citrini · 2026-09-19
- 给 ML 从业者的机械臂控制入门:从 PID 讲到 ACT 为何输出关节角 — kamathsblog · 2026-09-19