Tag · 1 篇
Bridging the 2D-3D Gap: A Hierarchical Semantic-Geometric Map for Vision Language Navigation
将3D几何信息编码为多通道俯视地图（几何/语义/决策三层），使VLM能直接读取空间布局并选择几何有效的路点，为视觉语言导航提供了一种可复用的空间表示与解耦规划框架。