NavGPT-3：在分层导航运行时中驾驭上下文

📋总体概括

arXiv论文提出NavGPT-3，一个将长时程强化学习语言模型与低延迟动作策略连接的导航框架。系统上层是类操作系统的运行时，将推理、行动、监控作为独立线程调度，各线程拥有自己的上下文、工具和权限，运行时可决定哪个线程控制机器人运动，从而通过中断和线程切换应对突发现实事件。底层是NavGPT VLA动作策略，基于1928万条样本训练，采用codec机制分配视觉token。该工作试图解决大模型推理与实时物理控制之间的鸿沟，是具身智能系统架构层面的新探索。