视觉大模型 / VLM

Navigation with VLM framework: Towards Going to Any Language

Zecheng Yin, Chonghao Cheng, and Yao Guo, Zhen Li

机构 * Future Network of Intelligence Institute(Shenzhen)（智能未来网络研究所（深圳）） ； University of Technology Sydney（悉尼技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hongkong(Shenzhen)（香港中文大学（深圳）） 纠错

专题命中 GUI与屏幕智能体 ：VLM(title,abstract)；vision language model(abstract)；分类 cs.CV、cs.AI

Comments under review

OmniResponse: Online Multimodal Conversational Response Generation in Dyadic Interactions

Cheng Luo, Jianghui Wang, Bing Li, Siyang Song, Bernard Ghanem

专题命中 GUI与屏幕智能体 ：multimodal large language model(abstract)；MLLM(abstract)；分类 cs.CV、cs.AI

Comments 25 pages, 9 figures

HyPerNav: Hybrid Perception for Object-Oriented Navigation in Unknown Environment

Zecheng Yin, Hao Zhao, Zhen Li

机构 * Future Network of Intelligence Institute(Shenzhen)（智能未来网络研究所（深圳）） ； Tsinghua University（清华大学） ； The Chinese University of Hongkong(Shenzhen)（香港大学（深圳）） 纠错

专题命中 GUI与屏幕智能体 ：vision-language model(abstract)；分类 cs.AI

Comments under review

PFEA: An LLM-based High-Level Natural Language Planning and Feedback Embodied Agent for Human-Centered AI

Wenbin Ding, Jun Chen, Mingjia Chen, Fei Xie, Qi Mao, Philip Dames

机构 * School of Electrical and Automation Engineering, Nanjing Normal University（南京师范大学电气与自动化工程学院） ； Department of Mechanical Engineering, Temple University（Temple大学机械工程系） 纠错

专题命中 GUI与屏幕智能体 ：vision-language model(abstract)