普林斯顿发布RAVEN：视觉嵌入替代字幕记忆，机器人可跨天检索导航
shahdhruv_ · x · 2026-11-03
普林斯顿与宾大团队提出 RAVEN（RetrievAl via Visual Embeddings for Navigation），一个面向机器人长时程问答与导航的智能体记忆系统，论文已被 CoRL2026 SISREN 工作坊接收。
- 核心思路：现有机器人记忆通常把画面先转成文字描述，丢失视觉细节；RAVEN 直接存储视觉嵌入，并附带空间位姿与世界时间戳，存入向量数据库，避免有损的图像到文本瓶颈。
- 工作机制：VLM 智能体可组合语义、时间、空间与图像等多种检索工具，在空间地图上定位检索结果，回答问题并导航到目标位置。
- 评测：在 NaVQA、FindingDory 基准及自建的 RAVEN-QA 基准（含网络、仿真、真实世界视频）上，均优于基于字幕的基线。
- 落地演示：在 Unitree Go1 机器人上完成了真实室内环境的导航验证。
「具身」频道最新
- AI 智能体给活体小鼠大脑成功注射基因药物 — ChuckDBrooks · 2026-11-03
- 3D World Simulator 发布：统一预测外观几何触觉，RTX 5090 上跑 50+ FPS — YunzhuLiYZ · 2026-11-03
- 谷歌把 4 颗 TPU 送入太空跑 Gemma 4:电力只够一次点亮一颗,每轮运行 20 分钟 — demian_ai · 2026-11-03
- a16z 对谈 Tutor Intelligence：机器人按小时计费进美国工厂 — a16z · 2026-11-03
- SKY-001 工程世界模型展示：用层级空间推理设计千件零件的捷豹整车 — Scobleizer · 2026-11-03
- PhysiCalWorld：用交互片段校准世界模型，无需物理标签即可学隐藏物理属性 — Scobleizer · 2026-11-03