arXiv · cs.RO· Nicolas Baumann, Liam Boyle, Pu Deng, Edoardo Ghignone, Boyang Sun, Marc Pollefeys, Luca Benini, Michele Magno·· 7 小时前精选AI 评分62
论文 / 摘要阅读
LocalNav：蒸馏前沿VLM与具身强化学习实现端侧物体目标导航
LocalNav: Distilling Frontier VLMs and Embodied RL for On-Device Object Goal Navigation
AI 导读 · 根据来源整理
LocalNav提出一种蒸馏策略，将轻量4B参数本地VLM对齐到空间语义导航接口，借助前沿模型轨迹在Jetson Orin等嵌入式GPU上执行物体目标导航。云端模型在HM3D OVON基准上达到41.61%成功率，而Qwen3.5-4B零样本部署仅25.97%；蒸馏前沿推理轨迹并用可验证奖励的具身强化学习（E-RLVR）微调后达到37.36%。作者指出该模型虽可部署于内存受限设备，但无法与云端往返推理时间竞争，并将Token生成识别为延迟主因，用TG正则化E-RLVR将延迟降低69.29%同时保持35.53%成功率；结合量化后整体推理延迟累计降低80.21%而性能未显著下降。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org