用于视觉与语言导航的细粒度指令引导图推理

要点 1

arXiv:2503.11006v3 公告类型：替换版 摘要：视觉与语言导航（VLN）要求一个具身智能体通过遵循自然语言指令穿越复杂环境，这需要视觉观察与语言指引之间的准确对齐。