LightNav-0 là mô hình điều hướng dựa trên Qwen3-VL-4B, được huấn luyện qua quy trình Real2Sim2Real với hơn 4.000 giờ dữ liệu VLA, đạt hiệu suất dẫn đầu trên 10 bảng xếp hạng điều hướng đơn thị giác.
HarnessVLN là khung làm việc zero-shot giúp robot điều hướng dựa trên ngôn ngữ mà không cần huấn luyện, sử dụng cơ chế Agent Harness để phối hợp nhận thức, lập kế hoạch và xử lý lỗi thông qua giao diện công cụ thống nhất.
Startup Liangyuan giới thiệu hướng đi mới cho AI vật lý, cho phép mô hình điều hướng zero-shot vận hành linh hoạt trên bốn loại hình robot khác nhau mà không cần huấn luyện lại.
AgentVLN giới thiệu phương pháp 'VLM-as-Brain', giúp robot hiểu lệnh ngôn ngữ tự nhiên và thực hiện điều hướng thông qua các kỹ năng mô-đun hóa, đạt hiệu suất cao trên các thiết bị biên như Jetson.
Nhóm nghiên cứu từ SJTU, NUS và các đối tác đã tạo ra UrbanGround, một môi trường 3D mô phỏng Hồng Kông để kiểm tra khả năng điều hướng của AI. Kết quả cho thấy các mô hình lớn hiện nay dù nhận diện hình ảnh tốt nhưng lại cực kỳ yếu trong việc duy trì lộ trình dài hạn.
NavMCP là khung làm việc mới kết hợp khả năng suy luận của VLM với mô hình điều hướng (NFM), cho phép robot thực hiện các nhiệm vụ dài hạn mà không cần huấn luyện lại, thông qua sự phối hợp giữa ý định, quan sát và bộ nhớ.
Rohan Paul@rohanpaul_aithat crossing should have been messier, I kept waiting for a slip will be so useful on a factory fl…
DịchKhả năng xử lý các điểm giao cắt phức tạp của robot đạt độ chính xác ấn tượng, hứa hẹn sẽ trở thành giải pháp tối ưu cho việc vận hành tự động trong các nhà xưởng.
ModelBest OpenBMB@OpenBMBWe are releasing SimpleNav: a unified research framework for Navigation VLA. 🤗 Navigation Vision-L…
DịchSimpleNav là khung mã nguồn mở giúp chuẩn hóa quy trình từ xử lý dữ liệu, huấn luyện mô hình đến đánh giá khép kín cho các mô hình thị giác-ngôn ngữ-hành động (VLA) trong lĩnh vực điều hướng robot.
Nhóm nghiên cứu từ ĐH Adelaide chứng minh các coding-agent như Claude Code có thể điều khiển robot trong môi trường lạ chỉ với camera đơn và 4 nút lệnh, đạt hiệu suất ngang ngửa các mô hình chuyên dụng mà không cần đào tạo lại.
TAMP-Nav tối ưu hóa điều hướng robot bằng cách chuyển đổi tác vụ thành chọn điểm 2D trên ảnh, kết hợp suy luận chọn lọc và bộ nhớ quỹ đạo để đạt hiệu suất kỷ lục trên R2R-CE.
360CityArena là bộ chuẩn mới sử dụng video 360 độ từ khu Akihabara (Tokyo) để kiểm tra khả năng hiểu môi trường, lập kế hoạch đường đi và tư duy không gian của các tác nhân AI trong bối cảnh đô thị chân thực.