arrow
返回

Process Adaptive Learning for Visual-Language Navigation

delete2026-01-01
delete0
PRE
AI
G
Gao, Chaoqi
B
Boyuan Zhang
Y
Yahong Han *
DOI:10.1007/978-3-032-04555-3_14delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
视觉语言导航(VLN)要求智能体理解语言指令并在未见环境中导航。智能体需要将语言指令与实时和历史特征对齐以实现目标定位。现有方法难以将指令与环境对齐,且依赖刚性的导航过程,限制了在未见环境中的性能。这源于指令与导航过程之间的脱节,以及终点与指令之间的弱相关性,干扰了导航。因此,我们提出了一种过程自适应跨模态Transformer(PART),它根据指令动态调整导航历史,并将实时动作预测与记忆推理相联系。该方法增强了指令与环境的对齐,同时减轻了重叠轨迹的负面影响。此外,PART采用距离自适应损失函数,以减少对特定轨迹的依赖并强化目标导向学习,提升了在未见环境中的泛化能力。在目标导向的VLN基准REVERIE和逐步VLN基准R2R上,PART超越了以往的最优方法。
Keyword:
Vision and language
Embodied AI
Agent
Navigation

期刊

A
ARTIFICIAL NEURAL NETWORKS AND MACHINE LEARNING-ICANN 2025, PT IV
IF:
0
论文数:
30
被引数:
0

机构

T
tianjin university
学者数:
8.0W
论文数: 5.8W
被引数: 88
引用论文

引用论文

Multi-Target Embodied Question Answering
err2019-06-01
err0
errOAAI
errLicheng Yu; Xinlei Chen; Georgia Gkioxari; Mohit Bansal; Tamara L. Berg; Dhruv Batra
err分享
err收藏
err分享
err收藏
Reinforced Cross-Modal Matching and Self-Supervised Imitation Learning for Vision-Language Navigation
err2019-06-01
err0
errOAAI
errXin Wang; Qiuyuan Huang; Asli Celikyilmaz; Jianfeng Gao; Dinghan Shen; Yuan-Fang Wang; William Yang Wang; Lei Zhang
err分享
err收藏
err分享
err收藏
err分享
err收藏
REVERIE: Remote Embodied Visual Referring Expression in Real Indoor Environments
err2020-06-01
err0
errOAAI
errYuankai Qi; Qi Wu; Peter Anderson; Xin Wang; William Yang Wang; Chunhua Shen; Anton van den Hengel
err分享
err收藏
err分享
err收藏
Matterport3D: Learning from RGB-D Data in Indoor Environments
err2017-10-01
err0
errOAAI
errAngel Chang; Angela Dai; Thomas Funkhouser; Maciej Halber; Matthias Niebner; Manolis Savva; Shuran Song; Andy Zeng; Yinda Zhang
err分享
err收藏
学者 查看更多内容