サインイン
インサイト - 視覺導航
從單一影片學習導航：僅看一次即可導航 (NOLO)
本文提出了一種名為 NOLO 的新型視覺導航方法，該方法可以讓機器人僅透過觀看單一影片，就能在陌生環境中導航至目標物體。
利用隱式場景表徵的不確定性增強視覺導航的探索能力
該研究提出了一種名為 NUE 的端到端視覺運動導航框架，利用 NeRF 場景表徵的不確定性來增強機器人在未知環境中探索和導航到目標的能力。
Flex：利用基礎模型實現端到端文字指令視覺導航
Flex 是一個利用預先訓練好的視覺語言模型 (VLM) 從少量模擬數據中學習，並能泛化到真實世界場景中執行文字指令視覺導航任務的機器人框架。
ImagineNav：透過場景想像，將視覺語言模型作為具身導航器進行提示
ImagineNav 是一種基於想像的無地圖導航框架，它利用視覺語言模型 (VLM) 的空間感知和推理能力，透過想像未來視角的圖像並選擇最佳探索方向，來引導機器人在未知環境中找到目標物體。
基於可渲染神經輻射圖的真實世界視覺導航系統 RNR-Nav
本文提出了一種名為 RNR-Nav 的新型視覺導航框架，該框架利用增強型可渲染神經輻射圖 (RNR-Map++)，在真實世界環境中實現了精確且高效的機器人定位和導航。
基於封地學習架構、無需地圖、里程計、強化學習的視覺導航方法
本文提出了一種名為 FeudalNav 的新型視覺導航方法，該方法採用封地學習架構，無需依賴地圖、里程計或強化學習，即可在未知環境中有效執行基於圖像目標的導航任務。
© 2024 by Linnk AI