SimpleVLN:多模态模型无需专用导航骨干即可做连续导航
jiqizhixin · x · 2026-11-13
复旦大学、南洋理工与联想研究院在公开预印本中提出 SimpleVLN,研究原生多模态语言模型如何完成连续导航，核心结论是不加专用导航骨干、仅靠更好的决策与训练也能提升性能。三个关键设计：
- 输入构造：每步决策只输入指令、当前视角和抽样的视觉历史(均匀抽样保留早期路线上下文，近期观测支持局部移动)，模型输出有序动作块，而非累积完整对话记录。
- 三阶段训练：从专家演示 → DAgger 纠正数据 → 基于结果的强化学习，让模型遇到演示外的状态，并允许与专家路径不同的成功路线。
- 基于 Qwen3-VL-4B 取得了报告中的最终成绩。
「具身」频道最新
- Robopedia 发布 Xperience 2：物理 AI 环境与行为数据集标准 — liuziwei7 · 2026-11-13
- 百度第六代 Apollo Go 无人车开放体验，官方邀游客试乘 — Baidu_Inc · 2026-11-13
- Google 在 CoRL 2026 现场演示 Gemini Robotics 2.5，人形机器人自主系蝴蝶结 — ZoubinGhahrama1 · 2026-11-13
- 只改65行词嵌入,GPT-6 Astra让机器人「换种说法就失败」成功率74%→88% — 机器之心 · 2026-11-13
- Astra 与 Fable 5.2 零样本对决：仅靠视觉参考操控挖掘机 — Scobleizer · 2026-11-13
- Waymo 车主雨夜偶遇 Cybercab，与车内安全司机互飙一句话笑场 — kscottz · 2026-11-13