机器人 / 具身智能

Aerial Vision-Language Navigation with a Unified Framework for Spatial, Temporal and Embodied Reasoning

基于空间、时间与具身推理的统一框架的空域视觉-语言导航

Huilin Xu, Zhuoyang Liu, Yixiang Luomei, Feng Xu

机构 * Key Laboratory for Information Science of Electromagnetic Waves (Ministry of Education)（电磁波信息科学重点实验室（教育部）） ； School of Information Science and Technology（信息科学与技术学院） ； Fudan University（复旦大学） 纠错

专题命中 具身推理 ：navigation(title,abstract)；分类 cs.AI、cs.CV

AI总结 本文提出一种统一框架，利用单目RGB视角和自然语言指令实现空域视觉-语言导航，通过多任务学习优化空间感知、轨迹推理和动作预测，提升轻量化无人机在复杂环境中的导航能力。

Comments Under Review, 16 pages, 12 figures. Our code is publicly available at https://github.com/return-sleep/AeroAct

Beyond State Consistency: Behavior Consistency in Text-Based World Models

超越状态一致性：文本基础世界模型中的行为一致性

Youling Huang, Guanqiao Chen, Junchi Yao, Lu Wang, Fangkai Yang, Chao Du, ChenZhuo Zhao, Pu Zhao, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

机构 * Dalian University of Technology（大连理工大学） ； MBZUAI ； Peking University（北京大学） ； Microsoft（微软） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG

AI总结 本文提出行为一致性训练方法，通过改进世界模型与真实环境的功能一致性，提升长期对齐效果，实验显示在WebShop和TextWorld中表现优异，同时保持单步预测质量。

Comments 20 pages, 2 figures