SimpleVLN：利用原生多模态大模型实现视觉语言导航的新方法

复旦与南洋理工团队提出SimpleVLN，通过优化决策设计与三阶段训练，在不改动多模态大模型核心架构的情况下刷新视觉语言导航基准性能。 结合动作块（Action Chunking）与DAgger算法，R2R-CE数据集导航成功率提升至65.4%；经RL优化后进一步提升至73.8%，且推理延迟较低。 该方法具备强大泛化能力，已成功部署至实体四足机器狗，可在真实场景中依据自然语言指令完成连续导航任务。