Talk预告｜北京大学张嘉曌：NaVid - 视觉语言导航大模型

文章预览

本期为 TechBeat人工智能社区 第 602 期 线上Talk。 北京时间 6 月20日 (周四)20:00， 北京大学博士生 张嘉曌 的Talk将准时在TechBeat人工智能社区开播！ 他与大家分享的主题是:  “ NaVid - 视觉语言导航大模型 ” ， NaVid是首个专为视觉语言导航（VLN）任务设计的基于视频的具身大模型。NaVid使用导航过程中的视频观测和自然语言指令作为输入，直接输出机器人的导航动作。与大部分已有的机器人导航技术不同，NaVid不依赖于深度信息、里程计和地图，完全依靠RGB视觉感知实现端到端的导航控制。它仅利用模拟器的数据进行导航策略学习，就能在真实世界的场景中实现泛化的导航表现。 该工作已入选RSS'24。 Talk·信息 ▼ 主题：NaVid - 视觉语言导航大模型 嘉宾：北京大学博士生 张嘉曌 时间：北京时间  6 月20日(周四)20:00 地点：TechBeat人工智能社区 http://www.techb ………………………………