本研究通过使用900个未标记的3D建筑自动创建VLN数据集，解决了数据稀缺性问题，显著提高了VLN模型的泛化能力。实验结果表明，该方法在REVERIE和SOON数据集上分别提高了7.1%和8.1%的SPL性能。此外，研究探讨了视觉-语言导航技术在物理机器人中的应用及提升未知环境表现的方法。

本文探讨了Segment Anything Model (SAM)在医学图像分割中的应用与挑战。尽管SAM在医学图像分割中的效果有限，但其生成的掩膜和特征可用于提升现有模型的性能。研究提出了Med SAM Adapter和AdaptiveSAM等改进方法，显著提高了半监督学习和分割精度，并综述了SAM在医学影像分析中的进展及未来方向，强调了对特定任务的适应性和数据稀缺性问题。