Bridging the 2D-3D Gap: A Hierarchical Semantic-Geometric Map for Vision Language Navigation
弥合2D-3D鸿沟:面向视觉语言导航的分层语义几何地图
机构 * School of Computer Science and Technology, East China Normal University(东华大学计算机科学与技术学院) ; Bosch Corporate Research(博世企业研究) ; King Abdullah University of Science and Technology(卡布斯大学)
专题命中 具身导航 :navigation(title,abstract);embodied agent(abstract);分类 cs.RO、cs.AI、cs.CV
AI总结 提出分层语义几何地图(HSGM),将3D几何信息转化为VLM可理解的结构化表示,结合VLM高层语义规划与经典路径规划,实现零样本视觉语言导航,在R2R-CE和RxR-CE基准上达到最先进性能。