视觉大模型 / VLM

Walk With Me: Long-Horizon Social Navigation for Human-Centric Outdoor Assistance

带我走：面向以人为本的户外助行的长周期社交导航

Lingfeng Zhang, Xiaoshuai Hao, Xizhou Bu, Yingbo Tang, Hongsheng Li, Jinghui Lu, Xiu-shen Wei, Jiayi Ma, Yu Liu, Jing Zhang, Hangjun Ye, Xiaojun Liang, Long Chen, Wenbo Ding

机构 * Tsinghua University（清华大学） ； Pengcheng Laboratory（鹏城实验室） ； Hefei University of Technology（合肥工业大学） 纠错

专题命中 GUI与屏幕智能体 ：VLM(abstract,abstract_cn)；vision-language model(abstract)；grounding(abstract)

AI总结 本文提出Walk with Me框架，通过高阶视觉语言模型和轻量级兴趣点，实现无地图的长周期社交导航，结合语义意图定位、安全推理和低层动作生成，提升户外助行的实用性。

CoFL: Continuous Flow Fields for Language-Conditioned Navigation

CoFL：基于连续流场的语言条件导航

Haokun Liu, Zhaoqi Ma, Yicheng Chen, Masaki Kitagawa, Wentao Zhang, Zicen Xiong, Jinjie Li, Moju Zhao

机构 * Matterport3D ； ScanNet 纠错

专题命中 GUI与屏幕智能体 ：VLM(abstract,abstract_cn)；vision-language model(abstract)；分类 cs.AI

AI总结 CoFL通过端到端策略将鸟瞰图观测与语言指令映射为连续流场，实现工作空间条件下的场学习，提升导航精度与安全性，支持实时推理和闭环控制。

Comments 18 pages, 13 figures

UIGaze: How Closely Can VLMs Approximate Human Visual Attention on User Interfaces?

UIGaze: VLMs在用户界面上如何接近人类视觉注意力？

Min Song, Yoonseong Lee, Yeonhu Seo

专题命中 GUI与屏幕智能体 ：vision language model(abstract)

AI总结 UIGaze研究VLMs在用户界面中预测人类视觉注意力的能力，通过零样本坐标预测管道评估九种先进模型，发现VLMs在不同UI类型和更长时间观看中表现出不同程度的匹配。

Comments 6 pages, 4 tables, 1 figure