arXiv Robotics· Lingyi Hong, Weiren Cai, Jiayu Chen, Xinyu Zhou, Bailin He, Yunfei Guo, Qiao Sun, Boyu Ma, Jianfei Yang, Wenqiang Zhang·· 4 小时前AI 评分38
SimpleVLN：无需任务专用架构，原生 MLLM 实现前沿视觉语言导航
SimpleVLN: Towards Simple and Frontier Vision-Language Navigation
AI 导读
SimpleVLN 是一个架构保持型视觉语言导航框架，在 R2R-CE 和 RxR-CE 上分别达到 76.7% 和 80.1% 的成功率，显著优于现有方法。它结合单轮决策输入与固定预算的全局-局部记忆，并用动作块让每次模型调用输出多个基础动作。该框架已在多个 MLLM 骨干和模型规模上实例化，表明无需任务专用架构设计即可释放原生 MLLM 的导航能力。
来源：arXiv Robotics · arxiv.org