**ScaleNav：基于互联网视频预训练的规模化语言条件局部导航框架**

_ScaleNav: Scalable Internet Video Pretraining for Language-Conditioned Local Navigation_

> 针对机器人局部导航中数据稀缺及仿真到现实差距大的问题，论文提出了 ScaleNav 框架。该方法利用互联网第一人称视频进行指令条件视频预训练，学习视觉动态，并结合仿真数据对齐动作，最终通过联合微调实现高效导航。实验表明，ScaleNav 在 Short-Horizon OVON 和 HabitatGS-LN 基准测试中分别取得了 86.5% 和 94.9% 的成功率，并在真实四足机器人上验证了其泛化能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.25690)