基于自我完善数据飞轮的语言引导导航学习引导

为训练健壮的语言指令智能体收集高质量数据始终是具身 AI 中的长期挑战。本文引入一种自我完善数据飞轮（Self-Refining Data Flywheel, SRDF），通过两个模型（指令生成器和导航器）在没有人类标注的情况下协作不断精炼数据池，生成高质量且大规模的导航指令-轨迹对。具体而言，SRDF首先使用基础生成器创建初始数据池以训练基础导航器，然后应用训练好的导航器筛选数据池。这导致更高保真度的数据用于训练更好的生成器，进而为训练下一轮导航器生产更高质量的数据。如此形成的数据自我完善过程，为大规模语言引导导航学习生成持续改进且高效的数据集。我们的实验表明，经过数轮飞轮循环后，导航器在经典 R2R 测试集上的性能边界从 70% 提升至 78%，首次超越人类水平（76%）。同时，该过程还产生了优异的生成器，SPICE 提升至 26.2，优于所有以往的视觉-语言导航指令生成方法。最后，我们通过增加环境和指令的多样性展示了方法的可扩展性，并证明了预训练导航器在各种下游导航任务中的泛化能力，在所有案例中均显著优于最新方法。