通过与策略同步的语言—行动自举实现以数据为中心的递归式导航改进
研究提出 RSI-Nav，在同一模型中整合自然语言导航指令跟随与指令生成能力。经过监督微调后，模型分批处理未标注轨迹：生成指令，通过实际导航评估目标完成情况和路径效率，筛选合格样本，并在处理下一批数据前更新模型。这种方式旨在使生成的训练监督信号与不断演进的模型策略保持同步。RSI-Nav 在 R2R-CE 和 RxR-CE 上的成功率分别为 68.6% 和 72.4%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。