Buchumschlag

Towards Unified World Models for Visual Navigation via Memory-Augmented Planning and Foresight

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dong, Yifei, Wu, Fengyi, Chen, Guangyu, Kong, Lingdong, Zhu, Xu, Hu, Qiyu, Zhou, Yuxuan, Sun, Jingdong, He, Jun-Yan, Dai, Qi, Hauptmann, Alexander G., Cheng, Zhi-Qi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Computer Vision and Pattern Recognition Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Language-Conditioned World Modeling for Visual Navigation
von: Dong, Yifei, et al.
Veröffentlicht: (2026)

GoViG: Goal-Conditioned Visual Navigation Instruction Generation via Multimodal Reasoning
von: Wu, Fengyi, et al.
Veröffentlicht: (2025)

HA-VLN 2.0: An Open Benchmark and Leaderboard for Human-Aware Navigation in Discrete and Continuous Environments with Dynamic Multi-Human Interactions
von: Dong, Yifei, et al.
Veröffentlicht: (2025)

Human-Aware Vision-and-Language Navigation: Bridging Simulation to Reality with Dynamic Human Interactions
von: Li, Heng, et al.
Veröffentlicht: (2024)

Securing the Skies: A Comprehensive Survey on Anti-UAV Methods, Benchmarking, and Future Directions
von: Dong, Yifei, et al.
Veröffentlicht: (2025)

NavThinker: Action-Conditioned World Models for Coupled Prediction and Planning in Social Navigation
von: Hu, Tianshuai, et al.
Veröffentlicht: (2026)

UMETTS: A Unified Framework for Emotional Text-to-Speech Synthesis with Multimodal Prompts
von: Cheng, Zhi-Qi, et al.
Veröffentlicht: (2024)

Emotion-LLaMA: Multimodal Emotion Recognition and Reasoning with Instruction Tuning
von: Cheng, Zebang, et al.
Veröffentlicht: (2024)

CoFFT: Chain of Foresight-Focus Thought for Visual Language Models
von: Zhang, Xinyu, et al.
Veröffentlicht: (2025)

SHIELD: LLM-Driven Schema Induction for Predictive Analytics in EV Battery Supply Chain Disruptions
von: Cheng, Zhi-Qi, et al.
Veröffentlicht: (2024)

MG-Nav: Dual-Scale Visual Navigation via Sparse Spatial Memory
von: Wang, Bo, et al.
Veröffentlicht: (2025)

Agentic Feature Augmentation: Unifying Selection and Generation with Teaming, Planning, and Memories
von: Gong, Nanxu, et al.
Veröffentlicht: (2025)

Towards Calibrated Robust Fine-Tuning of Vision-Language Models
von: Oh, Changdae, et al.
Veröffentlicht: (2023)

NaviRAG: Towards Active Knowledge Navigation for Retrieval-Augmented Generation
von: Dai, Jihao, et al.
Veröffentlicht: (2026)

ForeAct: Steering Your VLA with Efficient Visual Foresight Planning
von: Zhang, Zhuoyang, et al.
Veröffentlicht: (2026)

Emotion-LLaMAv2 and MMEVerse: A New Framework and Benchmark for Multimodal Emotion Understanding
von: Peng, Xiaojiang, et al.
Veröffentlicht: (2026)

SZTU-CMU at MER2024: Improving Emotion-LLaMA with Conv-Attention for Multimodal Emotion Recognition
von: Cheng, Zebang, et al.
Veröffentlicht: (2024)

Zero-RAG: Towards Retrieval-Augmented Generation with Zero Redundant Knowledge
von: Luo, Qi, et al.
Veröffentlicht: (2025)

MaxSup: Overcoming Representation Collapse in Label Smoothing
von: Zhou, Yuxuan, et al.
Veröffentlicht: (2025)

Why We Feel: Breaking Boundaries in Emotional Reasoning with Multimodal Large Language Models
von: Lin, Yuxiang, et al.
Veröffentlicht: (2025)

Foresight Social-aware Reinforcement Learning for Robot Navigation
von: Zhou, Yanying, et al.
Veröffentlicht: (2021)

Recursive Visual Imagination and Adaptive Linguistic Grounding for Vision Language Navigation
von: Chen, Bolei, et al.
Veröffentlicht: (2025)

MetaDesigner: Advancing Artistic Typography Through AI-Driven, User-Centric, and Multilingual WordArt Synthesis
von: He, Jun-Yan, et al.
Veröffentlicht: (2024)

SeqWalker: Sequential-Horizon Vision-and-Language Navigation with Hierarchical Planning
von: Han, Zebin, et al.
Veröffentlicht: (2026)

An Augmentation Overlap Theory of Contrastive Learning
von: Zhang, Qi, et al.
Veröffentlicht: (2025)

UCDR-Adapter: Exploring Adaptation of Pre-Trained Vision-Language Models for Universal Cross-Domain Retrieval
von: Jiang, Haoyu, et al.
Veröffentlicht: (2024)

Overcoming Joint Intractability with Lossless Hierarchical Speculative Decoding
von: Zhou, Yuxuan, et al.
Veröffentlicht: (2026)

Learning Visual-Semantic Subspace Representations
von: Moreira, Gabriel, et al.
Veröffentlicht: (2024)

Current Agents Fail to Leverage World Model as Tool for Foresight
von: Qian, Cheng, et al.
Veröffentlicht: (2026)

AstraNav-World: World Model for Foresight Control and Consistency
von: Chen, Jintao, et al.
Veröffentlicht: (2025)

LagMemo: Language 3D Gaussian Splatting Memory for Multi-modal Open-vocabulary Multi-goal Visual Navigation
von: Zhou, Haotian, et al.
Veröffentlicht: (2025)

Combo: Co-speech holistic 3D human motion generation and efficient customizable adaptation in harmony
von: Xu, Chao, et al.
Veröffentlicht: (2024)

FantasyWorld: Geometry-Consistent World Modeling via Unified Video and 3D Prediction
von: Dai, Yixiang, et al.
Veröffentlicht: (2025)

Mirai: Autoregressive Visual Generation Needs Foresight
von: Yu, Yonghao, et al.
Veröffentlicht: (2026)

Visual Foresight for Robotic Stow: A Diffusion-Based World Model from Sparse Snapshots
von: Zhang, Lijun, et al.
Veröffentlicht: (2026)

3SGen: Unified Subject, Style, and Structure-Driven Image Generation with Adaptive Task-specific Memory
von: Song, Xinyang, et al.
Veröffentlicht: (2025)

Augmented Reality Visualization and Navigation Operationalized in Biopsy of Indeterminate Splenic Mass
von: Alexander S. Misono
Veröffentlicht: (2026)

Unlocking Smarter Device Control: Foresighted Planning with a World Model-Driven Code Execution Approach
von: Yin, Xiaoran, et al.
Veröffentlicht: (2025)

Policy-Guided World Model Planning for Language-Conditioned Visual Navigation
von: Chahe, Amirhosein, et al.
Veröffentlicht: (2026)

ReasonMap: Towards Fine-Grained Visual Reasoning from Transit Maps
von: Feng, Sicheng, et al.
Veröffentlicht: (2025)