SP-Guide：用空间先验增强空中视觉语言导航

SP-Guide 用空间先验改善空中导航的跨模态对齐。

资讯摘要

论文提出 SP-Guide，一个基于 transformer 的目标预测框架，用于空中视觉语言导航（AVLN）。它通过空间先验跨模态编码器、指令增强解码器和目标收敛过滤器，改善 RGB 观测与全局历史地图之间的跨模态空间对齐。作者在 CityNav 基准上的实验报告称，该方法相比代表性基线提升了成功率，在未见环境上增益最大。

要点速读

1. 论文提出 SP-Guide，包含空间先验跨模态编码器、指令增强解码器和目标收敛过滤器三个组件。
2. 作者在 CityNav 基准上报告成功率优于代表性基线，未见环境上的提升最大。
3. 作者认为物理落地的空间先验可为 AVLN 提供有效的归纳偏置。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。