オープンボキャブラリー検出と構造化表現を活用したイテラティブ視覚言語ナビゲーションの高度化

本研究では、大規模言語モデルとオープンボキャブララリー検出器を活用し、ナビゲーションの履歴情報を構造化したオムニグラフを構築することで、イテラティブ視覚言語ナビゲーションの性能を大幅に向上させる。