NaVid阅读笔记（Vision-Language-Navigation的端到端导航模型）

相关文档

• 项目链接：https://pku-epic.github.io/NaVid/
• 代码链接：https://github.com/jzhzhang/NaVid-VLN-CE
• 论文链接：https://arxiv.org/pdf/2402.15852

Introduction

• 文章的目标是输入一组人类的指引语言，以及根据相机的画面信息，直接输出导航指令。
• 如果理解复杂的视觉信息以及理解详细的指令，是一件十分困难的事情。