VEGA：用野外第一视角视频训练导航VLA

Gershom Seneviratne等作者发布预印本 VEGA，提出从无标注野外第一视角导航视频训练导航视觉-语言-动作（VLA）模型的方法：先从单目视频重建局部场景几何，采样文本、图像或空间路点形式的目标并生成避障轨迹，再用该轨迹分布训练流匹配导航策略，几何信息只在训练阶段使用。作者称，这样可把避障规划直接蒸馏进基于视觉的策略。 作者同时发布 VEGA-Bench，含 25 万个场景、约 500 万个导航目标及对应场景几何，用于评估目标推进、碰撞规避和障碍间距。作者报告，在 VEGA-Bench 上目标推进与最强基线相当，碰撞减少 33.0%，障碍间距提升 17.9%；实机试验中成功率至少提升 150.0%，碰撞至少减少 66.7%，障碍间距至少提升 60.0%。这些为预印本自报结果，未经同行评议或独立验证。作者称代码与基准将在发表时发布。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。