ScaleNav：互联网视频预训练语言导航策略

2026年10月20日，arXiv Robotics 刊出研究团队（Yihui Yang 等作者）的 ScaleNav 工作，提出面向语言条件局部导航的可扩展互联网视频预训练框架。据该报道，ScaleNav 是一个统一的世界-动作框架，采用三阶段训练，从互联网第一人称视频中学习目标导向的视觉动态，用于语言条件局部导航。报道称，该模型在 Short-Horizon OVON 单视角适配版本上成功率达 86.5%，在 HabitatGS-LN 基准上达 94.9%，均优于所评估的基线；研究团队还在真实四足机器人上部署并评估了 ScaleNav，结果支持其泛化到真实世界导航的能力。上述成功率数字与基准表现均来自该篇报道，尚未见其他跟进报道对其复现或修正。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。