PanoVLN：迈向有效的全景视觉语言导航

PanoVLN提出面向全景观测的视觉语言导航方法，针对直接用全景图替换透视图收益有限的问题，改造动作预测、训练监督和视觉表示。其CGE策略动态决定重规划前执行多少预测动作，并结合RGB全景的语义与几何特征，不增加visual tokens。在4B backbone和RGB-only输入下，PanoVLN在R2R-CE和RxR-CE Val-Unseen成功率较此前SOTA高11.9%和8.7%。