arXiv 人工智能· Qilang Ye, Meng Liu, Yu Zhou·· 2 天前AI 评分41
RAO-Nav：探索全模态语言模型在零样本语义视听导航中的应用
RAO-Nav: Probing Omni-Language Models for Zero-shot Semantic Audio-Visual Navigation
AI 导读
RAO-Nav 提出了一种利用全模态语言模型（OLM）实现零样本语义视听导航（SAVN）的部署流程。该方案引入测试时潜在导航推理（LNR）模块，在无需任何训练数据的情况下，在公开 SAVN 基准测试中超越了现有的 SOTA 基线。研究还提出了全局导航指令设定以进一步评估具身智能体能力，并已开源代码。
来源：arXiv 人工智能 · arxiv.org