小型视觉语言模型零样本导航方法提出

2026年10月20日，arXiv Robotics 刊出 Zeqi Li 等作者的论文，提出一种基于小型视觉语言模型的统一零样本视觉语言导航智能体。据该报道，方法让 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，另对含路线指令的情况增加一次受门控的前沿查询，并将答案作为证据而非直接动作；导航借助鸟瞰图语义场、骨架图前沿与测地距离，以及两阶段终止器完成。报道称其体现了“结构优先于推理”的思路。目前该事件仅有这一篇主报道，尚无跟进报道，方法的实际效果与适用范围未见进一步披露。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。