arXiv · 16.06.2026 ·Память и RAG

Новый фреймворк EvolveNav для навигации без предварительного обучения

Исследователи представили новый подход EvolveNav для решения задачи Zero-Shot Object-Goal Navigation (ZS-OGN). В отличие от существующих методов, которые используют статические приоритеты и не адаптируются к изменениям, EvolveNav позволяет агентам непрерывно обучаться и улучшать свои навыки навигации.

Традиционные методы навигации часто сталкиваются с повторяющимися ошибками и затратными пробами и ошибками. EvolveNav решает эту проблему, внедряя механизмы самонастройки и самообучения, что позволяет агентам эффективно находить целевые объекты без предварительного обучения.

Разработчики утверждают, что их фреймворк демонстрирует значительное улучшение по сравнению с существующими решениями, особенно в условиях, требующих адаптации к новым и сложным средам. Исследование было опубликовано на arXiv и доступно для дальнейшего изучения.

Источник: arXiv

Похожие материалы

arXiv · ИИ в бизнесе Новый фреймворк VERITAS для обучения роботов на основе визуальной проверки Исследователи предложили новый подход к обучению роботов, который позволяет им улучшать свои навыки в реальном времени. В статье на arXiv представлен фреймворк VERITAS, сочетающий генератор и верификатор для корректировки политик роботов и их самостоятельного улучшения. arXiv · Память и RAG SpatialClaw: новый интерфейс для пространственного мышления ИИ-агентов Исследователи из MIT и других ведущих университетов представили новый подход к решению проблемы пространственного мышления в ИИ-агентах. В работе SpatialClaw они предлагают пересмотреть интерфейс действий, через который агенты взаимодействуют с инструментами для восприятия пространства. Это особенно важно для задач, требующих понимания расположения объектов, их взаимосвязей и движений в 3D-пространстве. arXiv · Исследования и наука Новый метод вычисления сходства траекторий судов на основе контрастного обучения Учёные представили новый фреймворк MoCo-AIS для вычисления сходства траекторий судов. Он основан на контрастном обучении и предназначен для анализа мобильных паттернов, что важно для извлечения маршрутных шаблонов, прогнозирования мобильности и обнаружения аномалий. NVIDIA Technical Blog · Обучение и дообучение NVIDIA FLARE Auto-FL ускоряет исследования федеративного обучения с помощью ИИ-агентов NVIDIA представила новую систему Auto-FL в рамках своего фреймворка Federated Learning and Analytics Research (FLARE). Эта система использует ИИ-агентов для автоматизации и ускорения исследований в области федеративного обучения (FL). Федеративное обучение позволяет обучать модели на распределённых данных без их централизации, что особенно важно для задач, связанных с конфиденциальностью и безопасностью данных. Google DeepMind News · Бизнес и инвестиции AlphaEvolve: как ИИ-агент DeepMind решает задачи в бизнесе и науке DeepMind представила AlphaEvolve — ИИ-агента, работающего на базе модели Gemini, который демонстрирует значительное влияние в различных областях, включая бизнес, инфраструктуру и науку. AlphaEvolve использует продвинутые алгоритмы для автоматизации и оптимизации процессов, что позволяет значительно ускорить решение сложных задач. Hacker News · Обучение и дообучение GoLongRL: новый подход к обучению агентов с длинным контекстом Исследователи из XiaoxuanNLP представили GoLongRL — фреймворк для обучения агентов с длинным контекстом, основанный на подходе reinforcement learning (RL). В отличие от традиционных методов, GoLongRL фокусируется на способностях (capabilities) агентов, а не на конкретных задачах, что позволяет лучше адаптироваться к новым сценариям. Hugging Face - Blog · Обучение и дообучение OpenEnv: открытая платформа для обучения агентов через RL Команда Hugging Face анонсировала OpenEnv — открытую платформу для обучения ИИ-агентов с использованием подхода Reinforcement Learning (RL). Платформа предоставляет набор инструментов и инфраструктуру для создания, тестирования и развертывания агентов, способных взаимодействовать с окружающей средой и учиться на основе обратной связи. arXiv · Обучение и дообучение Новый фреймворк для обучения ИИ-агентов в условиях зависимости данных Исследователи из Arxiv представили новый фреймворк для обучения ИИ-агентов, который учитывает зависимость данных. В статье "Learning with Simulators: No Regret in a Computationally Bounded World" авторы рассматривают минимальные предположения, необходимые для генерализации в условиях, где данные не являются независимыми. Это особенно важно для ИИ-агентов, которые часто работают с последовательными или взаимосвязанными данными, например, в задачах планирования или взаимодействия с окружающей средой. arXiv · Память и RAG RoboPIN: новый подход к визуальному мышлению для ИИ-агентов Исследователи из MIT и других ведущих университетов представили RoboPIN — метод, который улучшает способность ИИ-агентов к визуальному мышлению в физических средах. Текущие модели часто используют текстовые или координатные цепочки мыслей, что приводит к разрыву между визуальными данными и логическим выводом. RoboPIN предлагает решение, фиксируя визуальные объекты в процессе рассуждений, что делает их более точными и последовательными. arXiv · Обучение и дообучение Новый метод для эффективного онлайн-обучения визуально-языковых агентов Исследователи предложили новый подход к онлайн-обучению визуально-языковых агентов (VLA) с использованием методов reinforcement learning (RL). В статье, опубликованной на arXiv, они описывают метод Hierarchical Advantage Weighting (HAW), который решает проблему редких и неинформативных сигналов обратной связи в процессе обучения.

← Все материалы