LOCOMOTION
FutureNav：面向视觉与语言导航的统一世界-动作建模框架
Lingfeng Zhang, Zeying Gong, Xiaoshuai Hao, Haoxiang Fu, Qiang Zhang, Mingliang Zhou, Hangjun Ye, Xiaojun Liang, Junwei Liang, Wenbo Ding
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
FutureNav提出了一种基于视觉语言模型（VLM）的统一世界-动作建模框架，通过联合编码文本、视觉和空间特征，并优化动作策略、逆动态、前向动态和未来生成四个目标，实现了导航动作预测与显式世界建模的协同。实验表明，仅使用4B参数规模的主干网络，该方法在多个视觉语言导航基准上达到了最先进性能。
关键词
vision-and-language navigationworld-action modelingfoundation modelspatial reasoningfuture state prediction
相关论文
LOCOMOTION
开放获取📊 3,141 引用
Trust Region Policy Optimization
John Schulman, Sergey Levine, Philipp Moritz 等 5 位作者
2015
LOCOMOTION
📊 2,724 引用
Legged Robots That Balance
Marc H. Raibert, Ernest R. Tello
1986
LOCOMOTION
📊 2,658 引用
Being there: putting brain, body, and world together again
1997
LOCOMOTION
📊 2,305 引用
Small-scale soft-bodied robot with multimodal locomotion
Wenqi Hu, Guo Zhan Lum, Massimo Mastrangeli 等 4 位作者
2018