SimpleVLN 视觉语言导航框架发布

2026年10月19日，arXiv Robotics 刊出 Lingyi Hong 等作者的 SimpleVLN 视觉语言导航框架。据该报道，SimpleVLN 是“架构保持型”框架，无需任务专用架构，直接以原生多模态大模型（MLLM）实现导航；作者称其通过研究导航任务表述、数据构建与优化而形成。报道称，该框架在 R2R-CE 和 RxR-CE 基准上分别达到 76.7% 和 80.1% 的成功率，显著优于现有方法；其设计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。报道还称，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。目前事件进展限于该篇发布报道，尚无后续跟进报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。