CorrectNav是一种视觉-语言-动作导航模型，通过自我修正机制提升导航性能。该方法关注感知和动作错误，采用四个步骤进行自我纠正。在VLN-CE基准测试中，CorrectNav的成功率分别为65.1%和69.3%，优于现有模型，具备强大的纠错和动态障碍物规避能力。

本文提出了一种结合蒙特卡洛树搜索与速度障碍技术的创新方法，旨在解决智能机器人在动态障碍物密集环境中的在线运动规划问题。实验结果显示，该方法在碰撞率、计算性能和任务表现上优于现有技术。

本研究提出MMD-OPT，一种基于最大均值差异的样本高效碰撞风险最小化方法，旨在改善动态障碍物预测下的碰撞风险评估。MMD-OPT结合再生产核希尔伯特空间，显著提高低采样情况下的轨迹安全性，生成更安全的轨迹。

本文介绍了一种智能四旋翼无人机的自主规划系统，结合动态障碍物跟踪和轨迹预测，实现高效飞行。系统使用轻量级目标检测算法和卡尔曼滤波来识别和跟踪动态障碍物，并通过B样条轨迹搜索算法优化路径。实验显示，该方法在实时检测和避障方面优于现有方法。此外，研究还探讨了与大型语言模型的集成，以提升人机交互体验。

本文提出了一种稳健可靠的自主规划系统，用于智能四旋翼无人机。该系统结合动态障碍物的跟踪和轨迹预测，实现高效可靠的自主飞行。实验结果表明该方法能够实时检测和避开动态环境中的障碍物，具有更高的可靠性。研究还探索了自主规划系统与大型语言模型的集成。

本文提出了一种稳健可靠的自主规划系统，用于智能四旋翼无人机。该系统结合动态障碍物的跟踪和轨迹预测，实现高效可靠的自主飞行。实验结果表明，该方法能够实时检测和避开动态环境中的障碍物，具有更高的可靠性。研究还探索了自主规划系统与大型语言模型的集成。

本文提出了一种稳健可靠的自主规划系统，用于智能四旋翼无人机。该系统结合动态障碍物的跟踪和轨迹预测，实现高效可靠的自主飞行。实验结果表明，该方法能够实时检测和避开动态环境中的障碍物，具有更高的可靠性。研究还探索了自主规划系统与大型语言模型的集成。