中科院开源 | NavAgent：无人机具身视觉语言导航的多尺度城市街景融合

文章预览

点击下方 卡片 ，关注 「3D视觉工坊」 公众号 选择 星标 ，干货第一时间送达 来源：计算机视觉工坊 添加小助理：cv3d001，备注：方向+学校/公司+昵称，拉你入群。文末附3D视觉行业细分群。 扫描下方二维码，加入「 3D视觉从入门到精通 」知识星球 ，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料： 近20门秘制视频课程 、 最新顶会论文 、计算机视觉书籍 、 优质3D视觉算法源码 等。想要入门3D视觉、做项目、搞科研，欢迎扫码加入！ 0. 论文信息 标题：NavAgent: Multi-scale Urban Street View Fusion For UAV Embodied Vision-and-Language Navigation 作者：Youzhi Liu, Fanglong Yao, Yuanchang Yue, Guangluan Xu, Xian Sun, Kun Fu 机构：Chinese Academy of Sciences 原文链接：https://arxiv.org/abs/2411.08579 代码链接：soon 1. 导读 视觉-语言导航(VLN)是具身智能中一个被广泛讨论的研究方向，旨在 ………………………………