NavGPT: Unifying Navigation and Vision-Language

NavGPT是2023年由CMU等机构提出的视觉语言导航模型，通过统一导航和视觉语言模型实现零样本视觉语言导航。NavGPT采用GPT架构和多模态输入，能够根据自然语言指令和视觉观测生成导航动作，在多个视觉语言导航基准测试上取得了优异性能。该方法是视觉语言导航领域的代表性工作，推动了导航和大语言模型的结合。