复旦与南洋理工提出 SimpleVLN，基于原生多模态大模型刷新视觉语言导航 SOTA

复旦大学与南洋理工大学团队提出视觉语言导航框架 SimpleVLN，无需改动多模态模型核心结构，仅凭动作块预测与三阶段训练刷新导航 SOTA。在 R2R-CE 与 RxR-CE 未见环境测试中，结合 Qwen3.5 9B 分别取得 76.7% 和 80.1% 的成功率，该方案还已成功部署于四足机器狗实现真实场景指令导航。