arXiv Robotics· Zeqi Li, Xunyi Zhao, Zerui Li, Sihao Lin, Qi Wu, ShiJie Li·· 2 小时前AI 评分34
用小型视觉语言模型实现统一零样本导航：结构优先于推理
Structure over Reasoning: Unified Zero-Shot Navigation with a Small Vision-Language Model
AI 导读
研究提出一种零样本视觉语言导航智能体，让 Qwen3-VL-4B 每步只回答两个感知问题——哪个方向看起来像目标、当前视野是否足以停止，并将答案作为证据而非动作，通过鸟瞰图语义场、骨架图前沿与测地距离及两阶段终止器完成导航。
来源：arXiv Robotics · arxiv.org