Goal2Pixel提出像素级视觉语言导航方法

2026年10月28日，arXiv Robotics 刊出 Muyi Bao 等作者的论文，提出 Goal2Pixel 方法。据该报道，Goal2Pixel 将连续环境视觉语言导航（VLN-CE）重构为可导航像素定位：由视觉语言模型（VLM）预测图像平面上的可通行像素，再将其反投影为 3D 路点；转向与停止动作则由图像左、右、底部三个辅助区域编码。报道称这是一种“纯像素”范式。目前该事件仅有这一篇主报道，尚无跟进报道，也没有关于实验数据、对比结果或实际部署情况的进一步信息。

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。