多模态世界模型

沉寂许久的 Ian Goodfellow，终于再次现身。 这位提出生成对抗网络（GAN）的研究者，曾一手开启 AI 生成技术的早期浪潮。但在最近几年由大模型主导的新一轮生成式 AI 竞赛中，Goodfellow 的公开声音却并不多见。 直到最近，他与 NLP 先驱 Chris Manning 等人共同发表了一篇文章，探讨了构建多模态世界模型的新路径。 文章的…

在具身智能（Embodied AI）领域，视觉-语言导航（VLN）作为核心任务之一，要求智能体仅凭视觉图像和自然语言指令，在未知环境中自主完成目标导航。随着大语言模型（LLM）的兴起，基于LLM的导航方法虽取得一定进展，但仍面临推理模态单一、优化目标冲突等关键瓶颈。深圳大学李坚强教授团队联合北京理工莫斯科大学等机构提出的UNeMo框架，通过多模态世界模型（M…