Episodic Transformer是2021年由Inria、谷歌和布朗大学提出的，用于视觉-语言导航任务的创新模型。该模型在ALFRED基准上实现了SOTA性能，并且开源。其解决了长序列子任务处理和复杂指令理解的挑战，通过多模态Transformer和合成指令训练提升代理对自然语言的理解。
Episodic Transformer for Vision-and-Language Navigation
前言：
由Inria, 谷歌, 布朗大学2021年最新提出的Episodic Transformer，多模态Transformer网络，这是一种用于视觉-语言导航任务的多模态Transformer网络，在ALFRED基准上表现SOTA，而且代码开源！
Transformer微信交流群
我们建立了Transformer微信交流群，
关注公众号：菜鸡Ai
后台回复：加群
备注：学校|公司+昵称+方向 会有小哥哥拉你进群。
论文获取
公众号后台回复：ET
解决什么问题
本文着重解决两个的挑战：
1、处理长序列的子任务
2、理解复杂的人工指令。
方法及实现
1、提出了Episodic Transformer（
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
