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
- 萝卜快跑香港东涌两周公众试乘收官，百度自动驾驶出海再进一步 — Baidu_Inc · 2026-11-04
- imec 神经探针直接在 130nm CMOS 上做后端光子集成 — jwt0625 · 2026-11-04
- Chris Paxton：交互式机器人仿真是未来，但数据瓶颈明显 — Scobleizer · 2026-11-04
- KAIST 提出 DreamX:视频扩散模型成为通用潜在动作学习器 — kaist-ai · 2026-11-04
- KAIST RoboTryOn:把人类演示视频「试穿」成机器人视频,成功率 2%→60% — kaist-ai · 2026-11-04
- INMO 新款 AI 眼镜亮相:125g 双 1080p 屏,早鸟价 799 美元 — Scobleizer · 2026-11-04