StopWatch：面向物体目标导航的目标定位
预训练视觉语言模型能为前往指定物体的导航提供丰富的世界知识，但经过微调的导航策略往往无法发现目标已在视野中，或无法准确估计目标距离。StopWatch通过显式定位目标来解决这一问题，大幅提升成功率，并在涵盖三个场景集合的六项基准测试中达到最先进水平。研究还修正了这些基准中的标注缺陷。在使用真实标注进行目标定位时，该策略的表现几乎达到生成演示数据的专家水平，表明后续提升空间主要在感知，而非策略学习。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。