技术栈
vln
v_JULY_v
5 小时前
视觉语言导航
·
vln
·
navid
·
vln-ce
·
mp3d
NaVid——基于视频的VLM规划「视觉语言导航VLN」的下一步：含VLN-CE、MP3D的详解
因为我司准备于25年7月底复现下NaVILA，而在研究NaVILA的过程中，注意到了这个NaVid故成此文
nenchoumi3119
3 个月前
论文阅读
·
人工智能
·
笔记
·
学习
·
vln
VLA 论文精读（十六）FP3: A 3D Foundation Policy for Robotic Manipulation
这篇论文是2025年发表在arxiv上的一个3D VLA论文，稍微有一种大力出奇迹的感觉，3D感知部分将点云转到同一个坐标系下，然后用 Uni3D 进行编码；语言指令直接用 CLIP 输出不参与训练；整体模型还是需要大量的泛化场景进行预训练，然后针对不同的任务进行微调，但作者说微调后可以很好的泛化到不同场景以及物体上；