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。

本文介绍了基于深度学习和视觉技术的自主导航系统，重点讨论了动态障碍物跟踪、路径规划和控制等方面。这些系统在复杂环境中有效提升了导航的安全性和效率，推动了自主水下航行器和无人水面艇的发展。

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。