Tag · 3 篇
零样本导航
01 02 03
面向零样本具身导航与推理的多尺度高斯-语言地图
Multi-Scale Gaussian-Language Map for Zero-shot Embodied Navigation and Reasoning
把每个语义单元同时存成自然语言描述和 3D 高斯，用高斯泼溅按需渲染任务相关视角，为大模型提供免训练的对齐接口；做具身导航或场景问答时可直接复用这种「语言-高斯」双模态地图表示，替代需要额外训练投影层的语义地图。
MSGNav：释放多模态 3D 场景图在零样本具身导航中的潜力
MSGNav: Unleashing the Power of Multi-modal 3D Scene Graph for Zero-Shot Embodied Navigation
用动态分配图像替代文本关系边构建多模态 3D 场景图，保留视觉证据以支持开放词表零样本导航；其关键子图选择与基于可见性的最终视点决策模块，可直接迁移到需要从 3D 场景表示中检索目标并确定可行停靠位姿的视觉任务。
弥合2D-3D鸿沟：面向视觉语言导航的分层语义-几何地图
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。