研究论文2026在投

ReInsVLN

免训练视觉语言导航

ICRA 2027 · 在投

让导航模型保留关键的历史线索，并在需要时重新利用它们。

我的角色: 第二作者（核心贡献者）
方法与工具: PyTorch · StreamVLN · InternVLA-N1 · Habitat / R2R

ReInsVLN 论文 Fig. 4：两阶段视觉压缩与历史回顾提醒。图为论文原图。

问题与挑战

长轨迹带来冗余视觉上下文；即使线索仍在历史中，模型也可能没有在决策时使用。

关键贡献

我的贡献

负责视觉压缩模块的前期探索与接入，推进功能实现并协同迭代历史压缩策略；协同构建大小脑框架，适配多款 VLN 模型并打通推理与机器人执行的数据链路，完成 Go2 / G1 部署并参与实物实验。

方法流程

压缩历史观测：在进入语言模型前减少时间冗余，并保护已有记忆未充分覆盖的内容。
按指令筛选：在语言模型内部结合语义相关性与位置，保留关键视觉 token 并恢复原始顺序。
提醒与执行：按预设节奏回顾历史，将原生模型决策接入机器人执行链路。

实验结果

R2R Val-Unseen 全量 1,839 episodes：StreamVLN / InternVLA-N1 的 SR 达到 64.27% / 64.44%，较原生模型提高 8.48 / 3.37 个百分点。匹配观测测试中，InternVLA-N1 压缩配置的 prefill 延迟降低 21.77%，KV 存储降低 32.25%。

研究进行中，代码与论文暂未公开。