具身目标导航是怎么找到目标并导航的？

说到机器人导航，技术路线已经逐渐从早期传统的建图定位导航，到后期基于大模型方案的导航演变。而 基于大模型方案的导航又分为视觉语言导航和目标导航！ 如果说一句话说明这两个任务的区别，视觉语言导航是""听懂指令走对路"，目标导航是""看懂世界自己找 路"。 视觉语言导航是什么？ 点击下方 卡片 ，关注" 具身智能 之心 "公众号 与传统视觉语言导航（VLN）依赖显式指令不同，目标驱动导航系统需要实现从"听懂指令走对路"到"看懂 世界自己找路"的跃迁：当人类下达"去厨房拿可乐"的指令时，机器人需自主完成语义解析（识别厨房空间 特征与可乐视觉属性）、环境建模（构建家居场景的空间拓扑）以及动态决策（避开移动的人类或宠 物），这背后凝聚着计算机视觉、强化学习与3D语义理解的交叉突破。 商业落地与需求怎么样？ 视觉语言导航本质上是个指令跟随的任务。任务囊括了三个方面，理解语⾔指令、感知周围环境，规划运 动策略。一般来说，VLN机器人系统主要由视觉语言编码器，环境历史信息表征，以及动作策略三个模块 构成。 机器人从环境中获取语⾔指令和每⼀步的视觉观测，首先需要同时视觉语⾔编码器从中压缩出有效信息。 采用怎样的编码器，视觉和语 ...