ZeroVLN:在无需对 VLM 大脑进行监督微调的情况下学习导航

媒体报道 Hugging Face Papers 原文语言:中文

ZeroVLN 是一个慢快结合的视觉语言导航框架,它通过语义工具调用接口和闭环强化学习来协调基于语言的大脑与动作专家,从而避免了 VLM 大脑的导航域监督微调,在保持通用视觉能力的同时提高了 VLN-CE 性能。

全文

ZeroVLN 是一种慢速-快速视觉语言导航框架,它通过使用语义工具调用接口和闭环强化学习,将基于语言的大脑与动作专家协调,从而避免对 VLM 大脑进行导航域监督微调,提升 VLN-CE 性能的同时保持通用的视觉能力。

正文为 AI 译文。

参考来源

← 返回每日AI报告