visual-navigation

UniNav是一个统一的世界-动作扩散模型，用于图像目标视觉导航。它在单个扩散过程中联合预测未来的视觉观察和航点轨迹，以高效推理实现了强大的基准测试结果。

Apple Research 推出了 Weblica，这是一个利用 HTTP 缓存和基于大语言模型（LLM）的合成技术，为视觉 Web 智能体创建可扩展且可复现训练环境的框架。