Tag · 2 篇
长时记忆
01 02
DecoVLN：解耦观测、推理与纠正的视觉语言导航
DecoVLN: Decoupling Observation, Reasoning, and Correction for Vision-and-Language Navigation
长时记忆构建被形式化为对统一评分函数的迭代优化（语义相关性、视觉多样性、时序覆盖），可直接迁移到任何需要从历史帧池中挑选关键帧的视觉导航或视频理解流水线；状态-动作对级纠错微调利用测地距离筛选可信区域样本，为视觉导航中的复合误差问题提供了可复用的数据筛选思路。
AstraNav-Memory：面向长时记忆的上下文压缩
AstraNav-Memory: Contexts Compression for Long Memory
用冻结 DINOv3 特征加 PixelUnshuffle+Conv 构成的轻量视觉分词器把每帧压到约 30 个 token，使 VLM 策略能在单上下文里塞进数百帧历史；这套「图像中心压缩记忆」可直接迁移到任何需要长视觉历史输入的 VLM/具身策略中。