本研究提出了一种多层融合与推理架构（MFRA），旨在解决视觉与语言导航中的复杂多模态交互问题。MFRA通过层次化机制显著提高了代理在导航场景中的决策准确性，优于现有方法。

本研究提出了一种新颖的水下图像增强算法UIE-SNN，基于脉冲神经网络，能耗降低85%，同时保持图像清晰度，为海洋自主视觉导航提供技术支持。

本研究提出了一种新方法，通过指令中的隐含子目标的视觉表征，提升视觉与语言导航代理在未知环境中的导航性能，显著提高成功率和成功比例。

本研究提出HA-VLN基准，旨在解决传统视觉与语言导航系统在动态多人体互动环境中的局限性。研究强调人类意识的整合，提出平衡离散与连续导航的标准化任务，并指出社会背景对提高导航成功率和减少碰撞的重要性。

本研究提出了一种基于逆强化学习的无人机视觉导航框架，旨在克服现有学习方法的局限性。该框架能够在复杂环境中快速生成无碰撞航点，实现灵活飞行，且无需额外训练，适用于真实场景。

本研究提出GSA-VLN任务，旨在提高视觉与语言导航的适应性。通过开发GSA-R2R数据集，增加环境和指令的多样性，并设计基于大语言模型的指令调整流程，以提升机器人在特定场景中的导航性能。

NASA复盘机智号火星直升机失事，因视觉导航系统无法准确判断陨石坑环境，导致硬着陆和旋翼断裂。机智号已完成任务，未来将改进探测器设计。

本研究提出全球一致性数据生成框架（WCGEN），旨在解决视觉与语言导航中的数据稀缺问题，提升代理在新环境中的泛化能力。实验结果表明，该方法在导航任务中取得了显著成果。

本文介绍了一种基于图神经网络和拓扑地图的视觉导航新方法，验证了其在已知和未知环境中的优越性能。研究提出了结合语义特征和监督学习的导航解决方案，显著提高了长时间任务的效率。TopoNav框架通过主动拓扑映射和内在奖励机制，提升了自主机器人的导航准确性，适用于多种应用场景。

该研究介绍了多个多模态语言模型的进展，如VELMA、LLaVA-Plus和MuLan，提升了视觉和语言导航能力。通过新数据收集方法和基准测试，展示了模型在复杂任务中的性能提升，为未来视觉助手的发展奠定基础。

本文探讨了语言引导的视觉导航（VLN）任务，提出了多种新方法和模型以提升智能体在连续环境中的导航表现。研究表明，结合大语言模型（LLMs）和持续学习机制，智能体的成功率可达80%。引入导航思维链和双循环场景回放，增强了导航策略的多样性和可解释性。

本文探讨了多模态技术在视觉导航和问答中的应用，强调单模态方法在捕捉数据集偏差方面的优势。实验表明，单模态方法的性能显著提升。提出了新任务和数据集，如Embodied Question Answering和SQA3D，以增强代理人的情境理解和推理能力。同时，介绍了Scene-LLM模型，提升了3D环境中的交互能力，推动了3D视觉理解的发展。

本文介绍了动态和主动像素视觉传感器（DAVIS）的特点及其在机器人技术和计算机视觉中的应用，发布了一组DAVIS数据集以促进新算法研究。研究提出了多种视觉导航和视频稳定化方法，利用事件相机和深度学习技术提高了机器人感知和运动估计的准确性，展示了在复杂条件下的优越性能。

本文探讨了视觉与语言导航的多模态任务，研究了大型语言模型（LLMs）在导航中的应用。通过实验发现，Transformer模型在跨模态理解方面表现优越。提出了LLM-Planner和LGX算法，提升了机器人在新环境中的导航能力。VELMA模型通过人类指令和图像处理提高了任务成功率，并分析了LLMs与具身智能的关系及当前研究的挑战，展望未来发展方向。

本文探讨了多种仿生算法在人工环境中模拟动物导航行为的应用，提出了一种基于拓扑表示法和神经网络的视觉导航新方法，显示出在复杂环境中显著提升了性能。通过引入强化学习和空间语义元素，改善了智能体的导航能力，推动了智能机器人在3D环境中的导航研究。

本文探讨了大型语言模型（LLMs）在自动驾驶和机器人领域的应用，结合传统规划与LLMs的推理能力，提升复杂场景下的决策性能。研究表明，LLMs能够理解低级机器人控制，并在视觉导航和异常检测中展现潜力。尽管在某些任务上表现优于传统方法，但仍需克服模型知识局限和计算资源需求等挑战。

本文介绍了一种多模态变长记忆转换器（MTVM）方法，提升视觉和语言导航的性能。在R2R和CVDN数据集上的评估显示，成功率提高了2%，并减少了目标处理时间。此外，研究提出了具有身体感知的语言模型（VELMA），成功率提高了25%-30%。这些方法有效增强了导航能力和可解释性，为未来的导航研究提供了新方向。

本研究提出了一种优化机器人导航方向选择的视觉与语言导航模型。实验结果表明，该模型在多个数据集上超越了现有技术，展现出优异的性能和泛化能力。