GeoScaffold：用重建学习紧凑几何潜变量提升视觉语言导航效率
Get the story
2026年10月5日，arXiv Robotics（一手）报道 GeoScaffold，一种几何监督框架，用于视觉语言导航。它把深度、连通性、可通行性等几何信息在训练时内化到策略中，避免推理时依赖深度传感器、3D编码器或逐步感知工具调用。方法先学习并冻结一个紧凑深度 tokenizer，再用少量可学习几何 query token 的隐藏状态重建导航关键几何；训练后 tokenizer、目标生成器和重建头全部丢弃，仅保留主干与动作接口。目前公开信息仅涉及该框架设计与训练流程，未见后续实验数据或独立验证。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · RoboticsGeoScaffold：通过重建学习紧凑几何潜变量，提升视觉语言导航效率
GeoScaffold 是一种几何监督框架，把深度、连通性、可通行性等几何信息在训练时内化到策略中，避免推理时依赖深度传感器、3D 编码器或逐步感知工具调用。它先学习并冻结一个紧凑深度 tokenizer，再用少量可学习几何 query token 的隐藏状态重建导航关键几何，训练后 tokenizer、目标生成器和重建头全部丢弃，仅保留主干与动作接口。
Heat trend
Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.