ETPNav: 用于视觉语言导航的开源框架

ETPNav（Evolutionary Topological Planning for Vision-Language Navigation）是一个面向连续环境视觉语言导航的开源项目。该项目基于Python语言，结合了深度学习技术和拓扑规划方法，旨在提高机器在复杂环境中的导航能力。

项目基础介绍

ETPNav项目是[TPAMI 2024]官方库，它提出了一种新的导航框架，通过自我组织预测的航点进行在线拓扑映射，无需事先的环境经验。框架的核心是一个基于变压器的跨模态规划器，用于根据拓扑地图和指令生成导航计划。项目的目标是使导航代理能够分解导航过程为高级规划和低级控制，并通过障碍物避免控制器实施计划。

核心功能

• 在线拓扑映射：ETPNav能够实时地对环境进行拓扑映射，生成长距离导航计划。
• 跨模态规划：利用基于变压器的规划器，根据拓扑地图和语言指令生成导航路径。
• 障碍物避免控制：采用试错启发式方法，避免在导航过程中遇到障碍物导致停滞。
• 性能提升：实验结果显示，ETPNav在R2R-CE和RxR-CE数据集上相较于先前技术有超过10%和20%的性能提升。

最近更新的功能

项目最近的更新主要集中在以下方面：

• 代码优化：对现有代码进行优化，以提高运行效率和可维护性。
• 文档完善：更新项目文档，为用户提供了更详细的安装和使用指南。
• 数据集支持：增加了对更多数据集的支持，包括R2R-CE和RxR-CE数据集。
• 训练和评估脚本：改进了训练和评估的bash脚本，使得多GPU训练更加便捷。

ETPNav项目不断迭代更新，致力于提供更加高效和稳定的视觉语言导航解决方案，对于有相关研究需求的开发者和研究者来说，这是一个非常有价值的开源项目。