浙大 PanoVLN:全景视觉语言导航成功率超 SOTA 11.9%,四足机器人实测
ZhejiangUniversity · hf · 2026-09-30
浙江大学提出 PanoVLN,用全景观察替代透视图像做视觉语言导航(VLN)。诊断发现仅换全景图收益有限,需要配套改造:置信度引导执行(CGE)策略动态决定一次执行多少预测动作再重规划,支持更长程规划;构建多分支点、指令清晰的训练路线提供路径选择监督;融合 RGB 全景的语义与几何特征捕捉空间关系而不增加视觉 token。4B 骨干、仅 RGB 输入下,在 R2R-CE 和 RxR-CE Val-Unseen 成功率分别超过此前 SOTA 11.9% 和 8.7%;四足机器人真实场景实验显示导航更快、停顿更少。
「具身」频道最新
- 扑翼无人机在空军测试中被探测系统误判为鸟 — import_jmr · 2026-11-16
- Uber 在拉斯维加斯上线 Amazon 旗下 Zoox 无人驾驶出租车服务 — Polymarket · 2026-11-16
- 蚂蚁灵波具身大模型挑战赛收官:TARS战队48小时真机对决夺冠 — 新智元 · 2026-11-16
- 特斯拉 FSD 城市街道里程破 70 亿英里,四周新增约 5 亿 — XFreeze · 2026-11-16
- Ropedia 发布 Xperience 2:1500+ 真实场景扫描配第一人称演示 — liuziwei7 · 2026-11-16
- 杭州群核联合华测发布 3D 激光扫描仪 Aholo MS07 — teortaxesTex · 2026-11-16