摘要
连续环境下的视觉 - 语言导航(VLN-CE)要求智能体将语言指令映射到自我中心观测中,并在未知场景中进行规划。针对现有方法保留过多无关细节导致泛化弱、计算负担重的问题,本文提出基于“最小充分性原则”的 BrainNav 框架。该框架包含逻辑锚点模型以实现指令感知的选择性感知,极简约束对齐模块作为跨模态瓶颈同步离散意图与连续动态,以及压缩世界模型在低秩潜空间预测状态。实验表明,该方法在 R2R-CE 和 RxR-CE unseen 验证集上显著优于先前最先进水平,证明了最小充分世界表征对鲁棒导航的有效性。
AI 推荐理由
论文核心解决连续环境下的导航规划问题,通过最小充分表征提升智能体在未知场景中的路径规划能力。
研究机构
Hangzhou Dianzi University
University of Zurich
University of Exeter
论文信息