强化学习与具身智能 / CVPR2026
从左脑到右脑:面向视觉语言导航的自适应文本想象器
Cross from Left to Right Brain: Adaptive Text Dreamer for Vision-and-Language Navigation
用 LLM 以语言形式想象未来场景语义、替代视觉合成来缓解 VLN 的部分可观测性,并给出 decoder-free 潜空间接口把想象结果注入导航专家模块,这套「文本想象 + 潜空间对齐」思路可迁移到其他需要预测未来观测的具身导航与探索任务。
视觉语言导航大语言模型Q-former微调