GC-VLN

不训练模型，用图约束让机器人听懂指令找路

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 开源模型 🍴 复刻 2 🐛 待处理 2 👀 关注 1
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 86
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

GC-VLN 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类开源模型
开发团队bagh2178
官网地址https://bagh2178.github.io/GC-VLN
GitHubhttps://github.com/bagh2178/GC-VLN
定价模式🏷️完全免费
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议MIT
主要语言Python
技术栈/模型corl-2025,embodied-ai,large-language-models,vln-ce
GitHub 星标★ 86
上线时间2025-08-27 00:00:00
代码更新2026-06-21
仓库体积49.3 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数4

项目介绍

GC-VLN 是一个面向视觉-语言导航（VLN）任务的训练-free 方法，由 CoRL 2025 论文提出。它解决的是智能体在未知环境中，仅依赖自然语言指令和视觉输入进行导航时，传统方法需要大量训练数据且泛化能力差的问题。其核心创新在于将自然语言指令解析为图约束（Graph Constraints），并利用这些约束在导航过程中动态构建环境拓扑图，通过图搜索和约束满足来引导智能体决策，无需任何模型训练或微调。该方法结合了大型语言模型（LLM）的语义理解能力和经典的图搜索算法，实现了零样本的导航能力。核心能力包括：指令到图约束的自动转换、基于图约束的路径规划、以及对未知环境的自适应探索。项目提供了完整的代码实现和实验配置，支持在 R2R 等标准 VLN 数据集上进行评估。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 86

核心亮点

  • 零训练成本：无需微调任何模型，直接利用现成 LLM 和视觉编码器，大幅降低使用门槛
  • 可解释性强：导航决策基于显式构建的图约束，每一步都有逻辑依据，便于调试和信任
  • 泛化能力好：不依赖特定训练数据分布，对新环境和新指令的适应能力优于传统监督学习方法

不足之处

  • 依赖 LLM 的指令解析质量，复杂或模糊指令可能导致图约束构建不准确
  • 图搜索效率受环境规模影响，在超大场景下可能实时性不足

适用场景

  • 室内机器人导航：让家用服务机器人根据自然语言指令找到目标物体或房间
  • 自动驾驶辅助：在园区或停车场等封闭场景中，根据口头指令规划行驶路径
  • 智能眼镜/AR 导航：为视障用户或游客提供基于语音指令的实时路径指引

替代项目

VLN-BERT、DUET、ETPNav

上一篇：ImageIndexer

下一篇：SensorLLM

同类项目推荐

CWR 开源

对比学习一键复原水下图像，颜色细节双提升

Code and dataset for Single Underwater Image Restoration by Contrastive Learning, IG···

★ 92 2026-08-09
gen-cv 开源

用自然语言搞定视觉任务，快速搭建生成式视觉应用

Vision AI Solution Accelerator

★ 434 2026-08-09
PerCo 开源

超低码率下用扩散模型生成真实感图像，压缩不失真

PyTorch implementation of PerCo (Towards Image Compression with Perfect Realism at U···

★ 107 2026-08-09
SLiMe 开源

一张示例图，让Stable Diffusion学会分割任意目标

1-shot image segmentation using Stable Diffusion

★ 142 2026-08-09
FaceAISDK_Android 开源

手机离线跑人脸识别与活体，不联网也能刷脸

Android on_device Face Recognition 、 Liveness detection and 1:N & M:N Face Search S···

★ 1275 2026-10-11
npq-vit 开源

用球面量化替换传统VQ，让视觉tokenizer码本更省更准

[ICLR 2025] Binary Spherical Quantization + [CVPR 2026] Leech Spherical Quantization

★ 225 2026-10-31
EventGPT 开源

让大模型看懂事件相机数据，实现动态场景理解与问答

[CVPR2025] EventGPT: Event Stream Understanding with Multimodal Large Language Model···

★ 115 2026-08-09
Groma 开源

让多模态模型精准指认图像中的每个区域，实现细粒度视觉定位。

[ECCV2024] Grounded Multimodal Large Language Model with Localized Visual Tokenizati···

★ 587 2026-08-09