Paper-Reading

Paper Reading

VLN

• NaVid：基于视频的 VLM 为视觉语言导航规划下一步
• Uni-NaVid：统一具身导航的视频视觉语言行动模型
• Vision-and-Dialog Navigation：协作式视觉对话导航
• DialNav：与远程向导进行多轮对话导航
• To Ask or Not to Ask：检测 VLN 中的信息缺失
• NaVILA：用于导航的腿式机器人视觉语言行动模型
• DreamWaQ++：具备韧性多模态强化学习的障碍感知四足运动控制
• ULVN：仅用无序 RGB 图像的地标视觉导航
• REAL：可探索、可沟通且可部署的视觉移动操作智能体
• OmniVLA：统一语言、位姿与目标图像的全模态导航 VLA
• Path-Etiquette：以 VLM 选择路径的机器人社会导航

VDN

• CommNav：通过通信寻找目标人物的社会导航
• HUMEMBR：学习人类日常规律的预测性具身导航

Embodied

• ELBA：通过主动提问学习具身视觉导航与任务完成

UAV-VLN

• AerialVLN：面向无人机的视觉语言导航
• OpenFly：空中视觉语言导航综合平台
• OctMem-Agent：面向开放世界空中目标导航的记忆增强场景理解与探索
• PSC-AVDN：通过解析、搜索与确认实现免训练空中视觉对话导航
• AerialVLA：具备在线对话的空中视觉语言行动模型
• CityNav：真实世界空中导航的大规模数据集
• CityFly：以城市标识为导航锚点的低空无人机视觉语言导航
• OpenUAV：面向真实无人机视觉语言导航的平台、基准与方法
• LookasideVLN：方向感知的空中视觉语言导航

UAV-VDN

• AVDN：空中视觉与对话导航