基于CMA架构的VLN连续环境Sim-to-Real迁移

该研究将连续环境下的视觉语言导航（VLN）方法从仿真迁移到真实世界，无需导航图或全景视图。系统采用跨模态注意力（CMA）架构，先在仿真数据集上训练，再用自建的搭载相机与LiDAR的阿克曼转向机器人采集的真实数据进行微调。报道称仅通过线性光度调整和少量episode微调，即可在专用硬件上离线运行。实验以SPL和nDTW指标评估，验证了方法的鲁棒性与适应性。目前未见与早先报道矛盾之处。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。