ZeST零样本可通行性导航方法发布

2026年10月16日，arXiv Computer Vision 报道，Shreya Gummadi 等作者提出并发布 ZeST 零样本可通行性导航方法。该方法将视觉语言模型（VLM）的重复输出视为随机测量，并融合为不确定性感知后验，从而实现零样本可通行性预测，避免为采集数据把机器人置于危险环境。报道称，在受控室内与非结构化室外环境中，ZeST 导航成功率达 90-100%，而所有基线均不超过 60%；在查询延迟最高 3.6 秒时仍保持完全成功。上述成功率、基线对比与延迟条件均针对 ZeST 方法本身，报道未说明其他方法或场景是否适用。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。