← 机器人智能体 / 语言与环境理解

正式发表 / Robot Agentic

LM-Nav

LM-Nav: Robotic Navigation with Large Pre-Trained Models of Language, Vision, and Action

CoRL · 2022

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
地标落地与拓扑导航LM-Nav · 原文 Fig. 3 · p.4 ↗

语言模型提取地标,视觉语言模型将地标对应到图像节点,视觉导航模型提供可达性与低层执行。

  1. 01从指令提取地标
  2. 02在观测图中匹配
  3. 03规划并执行导航
LM-Nav地标落地与拓扑导航
地标落地与拓扑导航

语言模型提取地标,视觉语言模型将地标对应到图像节点,视觉导航模型提供可达性与低层执行。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

语言模型提取地标,视觉语言模型将地标对应到图像节点,视觉导航模型提供可达性与低层执行。

WHY READ IT

为什么放在这条路线

把语言落地从机械臂扩展到真实导航,展示不同预训练模块通过拓扑图协同的方式。

当前阶段语言与环境理解 ↗

语义、三维观测和可供性怎样落地?

READ WITH A QUESTION

读的时候,留意什么

需要目标环境的观测图和可执行导航模型;零样本语言组合不意味着无需环境建图。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器