摘要
视觉语言导航（VLN）要求智能体依据自然语言指令在三维环境中导航。尽管视频大模型推动了该领域发展，但在长场景下仍易受状态漂移影响，导致盲目游走。本文归因于进度漂移与记忆漂移两类认知缺陷，并提出双重锚定框架：通过指令进度锚定区分已完成与剩余子目标，利用基于地标的全球模型进行记忆地标锚定，以验证过往观测并保持独特表征。实验表明该方法显著提升了成功率及长程轨迹表现。
AI 推荐理由
论文核心解决记忆漂移问题，提出地标锚定机制以增强长期记忆表征。
研究机构
国家人机混合增强智能重点实验室, 国家 Engineering Research Center for Visual Information and Applications, Institute of Artificial Intelligence and Robotics, Xi'an Jiaotong University
中国科学院自动化研究所人工智能学院
论文信息