标签
WEDGE 是一个弱点引导的导航学习框架，利用大语言模型从预训练策略的成功与失败轨迹中诊断失败模式，并据此生成针对性训练环境，在 ProcTHOR 和 HM3D 上显著优于随机与难例挖掘基线。
论文提出了 NavHarness——一种免训练的具身导航框架（harness），将记忆处理融入导航循环，使智能体能够在不同会话之间携带经验，实现终身导航。在 GOAT-Bench 上，相比仅依赖上下文的独立会话，该方法将成功率最高提升 22.6 个百分点，并借助 GPT-6/Astra 达到当前最优结果。
HarnessVLN是一个零样本、无需训练的实体导航框架，通过统一工具接口整合了感知、检索、定位、导航、恢复和终止功能，在R2R和RxR等基准测试中达到了最先进的结果。
LightNav-0 是一个紧凑的通用导航模型，它利用预训练视觉-语言模型的空间智能，实现了跨多样任务和机器人形态的具身导航最先进性能。
TAMP-Nav 是一个统一框架，通过将视觉语言模型与二维视觉提示对齐、使用压缩记忆的选择性推理以及策略优化来增强具身导航，实现了最先进的性能，并具有高运行时和样本效率。
Image2Sim是一个神经模拟框架，它能从RGB-D图像创建高保真交互环境，为具身导航智能体提供可扩展的训练。该框架生成了近20K场景和超过1000万训练样本，在基准测试上展现了显著改进，并实现了有效的真实世界零样本迁移。
PlatonicNav 提出了一种免训练的具体化导航框架，该框架仅使用视觉语义地图和盲匹配来锚定语言目标，无需显式的跨模态训练即可实现跨任务和跨形态的泛化。
AtlasVA是一个面向视觉语言模型Agent的无教师视觉技能记忆框架，它利用空间热图、视觉示例和符号文本技能来改善长时域任务中的空间决策，在多个基准测试中优于基线方法。