pixel-goal - pixel-goal技术,学习,经验文章

Felaim

3 小时前

InternVLA-N1双系统视觉语言导航一句话把「听懂导航指令」和「脚下怎么走」拆成两个系统：慢的 System 2 用 7B 视觉语言模型在图上指出下一步该去哪；快的 System 1 用扩散策略每秒几十次生成避障轨迹。中间不用含糊的像素点，而用学出来的潜在计划；只在仿真训，真机可零样本换轮式 / 四足 / 人形。