Vision Language Navigation

Vision-Language Navigation (VLN)は、自然言語の指示を実際の3D環境で実行するためのタスクです。このタスクの目的は、視覚情報と言語情報を統合することで、エージェントが複雑な環境を理解し、自律的に移動できるようにすることです。この技術は、知能ロボットやバーチャルアシスタントなどの分野で重要な応用価値を持っています。