本研究提出了一种新的SUSA架构，旨在解决智能体在未知环境中基于自然语言指令的视觉与语言导航（VLN）中的导航困难。该架构通过生成环境地标描述和构建深度探索地图，显著提升了导航性能。

本文提出了一种基于变换器的分层方法，旨在解决离线强化学习中的价值估计误差，简化低级策略训练，并显著提升复杂导航环境中的性能。

本文提出了一种新方法，通过有限状态机逐步学习未知环境的抽象模型，智能体利用该模型进行目标导航，研究表明此方法能提升导航性能。

NaVid是一个基于视频的大型视觉语言模型，通过动态的视频流输入，实现了最先进水平的导航性能。它解决了里程计噪声和模拟环境到真实环境之间的缺陷，并有效地利用机器人的历史观察作为决策和指令遵循的时空背景。

NaVid是一个基于视频的大型视觉语言模型，通过动态的视频流输入，实现了最先进水平的导航性能。它解决了里程计噪声和模拟环境到真实环境之间的缺陷，并有效地利用机器人的历史观察作为决策和指令遵循的时空背景。

NaVid是一个基于视频的大型视觉语言模型，通过动态的视频流输入，实现了最先进水平的导航性能。它解决了里程计噪声和模拟环境到真实环境之间的缺陷，并有效地利用机器人的历史观察作为决策和指令遵循的时空背景。