Traversability进阶
语言先验驱动的可通行性估计:基于 VLM 偏好学习的域适应方法
这是一篇未经同行评审的 arXiv 预印本。作者提出一种基于偏好学习的可通行性估计方法,使用冻结视觉语言模型特征空间中的 von Mises-Fisher 混合原型,先用 LLM 生成的相对语言规则初始化,再用少量相对图像标注适配目标域。在 WayFAST 上微调后,该方法在 HDR 0.25 和 0.5 指标上超过端到端基线 W-RIZZ,同时训练参数仅约 8.2k,并展示出低样本下的效率优势。
机器人与具身智能领域的最新论文,以及每篇对产业的意义。
这是一篇未经同行评审的 arXiv 预印本。作者提出一种基于偏好学习的可通行性估计方法,使用冻结视觉语言模型特征空间中的 von Mises-Fisher 混合原型,先用 LLM 生成的相对语言规则初始化,再用少量相对图像标注适配目标域。在 WayFAST 上微调后,该方法在 HDR 0.25 和 0.5 指标上超过端到端基线 W-RIZZ,同时训练参数仅约 8.2k,并展示出低样本下的效率优势。
论文来自 arXiv 机器人领域。尚未生成摘要的论文,显示摘要开头部分。