arXiv Computer Vision· Dwip Dalal, Utkarsh Mishra, Narendra Ahuja, Nebojsa Jojic·· 2 小时前AI 评分38
MLLMs 能在城市里找到路吗？CityNav 基准探索 Web 规模知识中的涌现导航能力
Can MLLMs Find Their Way in a City? Exploring Emergent Navigation from Web-Scale Knowledge
AI 导读
研究者提出 Sparsely Grounded Visual Navigation 任务与 CityNav 基准，覆盖四座全球城市，要求 MLLM 智能体仅凭视觉输入和内部多模态推理连续通过 50+ 决策点完成城市导航。
来源：arXiv Computer Vision · arxiv.org