HAVANA：分层视频-动作导航模型提出

2026年10月20日，arXiv Robotics 刊出 Dongzhihan Wang 等作者的论文，提出名为 HAVANA 的分层视频-动作视觉语言导航模型。据该报道，HAVANA 采用双系统架构，将预测性推理与反应式局部规划解耦：慢系统从观测历史生成紧凑的语言条件潜在规划，快系统结合最新规划与当前观测生成局部轨迹；两个系统异步执行，推理时不生成未来视频，也无需重复预测未来。报道称，该模型在 OmniNavBench 上取得优于既有基线的导航性能，并在不同机器人本体上真实部署，对未见环境展现出稳健泛化能力。目前事件进展停留在模型提出与基准、真机测试结果的公布阶段，报道未提及后续改进或独立复现。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。