Robostral Navigate
本条目由 AI 按收录标准筛选与撰写，经独立的 AI 核查在原文中逐条找到依据，未经人工审核；数字与结论以原文为准。
相关报告
收录理由
该报告为具身导航方向的技术论文，说明单目RGB视觉语言模型架构、仿真轨迹数据管线、prefix-tree注意力掩码监督训练及CISPO在线强化学习流程，并在标准连续环境导航基准上报告结果。
关键要点
- Robostral Navigate为8B视觉语言模型，仅使用单目RGB图像流，通过在视野中指向下一目标位置的方式预测路径点。
- 仿真数据管线在约350k场景中生成约240万条专家导航轨迹，每条样本含自然语言指令与RGB观测序列。
- prefix-caching将整段episode打包为单训练序列，相较逐步样本训练token减少22×，训练时间从数月降至数天。
- R2R-CE验证未见集上成功率为77.4%，较最佳单目方法高10.5个百分点。
- RxR-CE验证未见（英文）上成功率为75.1%，SPL为68.7%。
- 监督微调后使用CISPO在线强化学习，在精选困难任务上训练，成功率较SFT基线额外提升约4%。