Vision-Language Navigation: A Survey
Vision-Language Navigation: A Survey（视觉语言导航综述）是由视觉语言导航和机器人领域研究者系统整理的经典综述论文，是视觉语言导航领域最重要的综述之一。该论文系统地回顾了视觉语言导航技术的发展历程，包括视觉语言导航的基本概念与任务定义（根据自然语言指令在视觉环境中导航）、视觉语言导航的关键技术（视觉编码、语言编码、跨模态对齐、动作预测、记忆机制、探索策略）、视觉语言导航的分类（室内导航、室外导航、指令跟随、问答导航、对话导航）、经典数据集与评测基准（Room-to-Room、Room-for-Room、Touchdown、REVERIE、CVDN、R2R-CE、RxR、HANNA）等多个方面。该论文详细分析了视觉语言导航的核心挑战，包括语言歧义性、视觉环境复杂性、长程规划、泛化能力、sim-to-real差距、可解释性、评估指标设计等，并讨论了视觉语言导航在服务机器人、家庭助手、导盲机器人、博物馆导览、仓储物流等领域的应用。视觉语言导航是使机器人能够理解自然语言指令并在视觉环境中执行导航任务的关键技术，是实现自然人机交互和智能服务机器人的核心能力，在需要语言指令和视觉感知结合的机器人应用中具有核心地位。该论文被引用超过800次，是视觉语言导航领域的入门必读文献，对后续的跨模态导航、语言引导机器人、具身智能等研究产生了深远影响。
主体信息
Vision-Language Navigation: A Survey（视觉语言导航综述）是由视觉语言导航和机器人领域研究者系统整理的经典综述论文，是视觉语言导航领域最重要的综述之一。该论文系统地回顾了视觉语言导航技术的发展历程，包括视觉语言导航的基本概念与任务定义（根据自然语言指令在视觉环境中导航）、视觉语言导航的关键技术（视觉编码、语言编码、跨模态对齐、动作预测、记忆机制、探索策略）、视觉语言导航的分类（室内导航、室外导航、指令跟随、问答导航、对话导航）、经典数据集与评测基准（Room-to-Room、Room-for-Room、Touchdown、REVERIE、CVDN、R2R-CE、RxR、HANNA）等多个方面。该论文详细分析了视觉语言导航的核心挑战，包括语言歧义性、视觉环境复杂性、长程规划、泛化能力、sim-to-real差距、可解释性、评估指标设计等，并讨论了视觉语言导航在服务机器人、家庭助手、导盲机器人、博物馆导览、仓储物流等领域的应用。视觉语言导航是使机器人能够理解自然语言指令并在视觉环境中执行导航任务的关键技术，是实现自然人机交互和智能服务机器人的核心能力，在需要语言指令和视觉感知结合的机器人应用中具有核心地位。该论文被引用超过800次，是视觉语言导航领域的入门必读文献，对后续的跨模态导航、语言引导机器人、具身智能等研究产生了深远影响。