作者丨 视觉语言导航 编辑丨 视觉语言导航 点击下方 卡片 ，关注" 具身智能之心 "公众号 >> 点击进入→ 具身 智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 主要贡献 研究背景 视觉语言导航的重要性 ： 使机器人能够根据自然语言指令执行复杂任务，是机器人学和人工智能领域的一个重要目标，尤其在家庭协助、城市检查和环境探索等自主导航场景中具有广泛 的应用前景。 现有研究的局限性 ： 研究方法 问题定义 任务定义 ：将无人机的视觉语言导航（VLN）任务定义为一个部分可观测马尔可夫决策过程（POMDP），由状态空间 、动作空间 、观测空间 和状态转移概 率 组成。 状态和动作 ：在每个时间步 ，无人机接收自然语言指令 、目标图像 和自身视角观测 。动作 是一个连续控制空间 中的线性和角速度命令。 整体框架 框架组成 ：VLFly框架由三个模块组成： 作者：Yuhang Zhang, Haosheng Yu, Jiaping Xiao, Mir Feroskhan 单位：南洋理工大学 论文标题：Grounded Vision- ...

今天为大家整理了几十篇具身相关的综述，设计数据集、评测、VLA、VLN、强化学习、基础模 型、DP等方向，为大家一览具身发展的路线， 内容出自具身智能之心知识星球。 A Survey on Vision-Language-Action Models: An Action Tokenization Perspective.2025 论文链接：https://arxiv.org/pdf/2507.01925 A Survey on Vision-Language-Action Models for Autonomous Driving.2025 论文链接：https://arxiv.org/pdf/2506.24044 Deep Reinforcement Learning for Robotics: A Survey of Real-World Successes.2025 论文链接：https://www.arxiv.org/abs/2408.03539 A Survey on Diffusion Policy for Robotic Manipulation: Taxonomy, Analysis, and ...