Mapas Semânticos Enriquecidos por Instâncias para Navegação por Linguagem Visual

arXiv:2607.12630v1 Tipo de anúncio: novo Resumo: A Navegação por Linguagem Visual (VLN) tem como objetivo permitir que um agente incorporado navegue por ambientes complexos seguindo instruções em linguagem natural. Abordagens recentes constroem mapas espaciais semânticos e aproveitam Grandes Modelos de Linguagem (LLMs) para raciocínio e tomada de decisão. Apesar desses avanços, os sistemas existentes carecem de detalhamento de objetos em nível de instância e de robustez diante de consultas diversas dos usuários, o que limita uma navegação confiável em ambientes internos complexos. Para resolver...