TANGO: Humanoid Navigation in Cluttered Environments with a Whole-Body Vision-Language-Action Model

• 类型：arxiv
• 标识：2609.09158
• 链接：https://arxiv.org/abs/2609.09158
• 主分类：multimodal
• 形态：method
• 被引：3
• 被引来源：Semantic Scholar
• S2被引：3
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work introduces TANGO, the first whole-body vision-language navigation framework for language-conditioned humanoid traversal in cluttered environments, and demonstrates state-of-the-art performance in vision-language navigation, while outperforming strong modular baselines in navigating challenging scenes requiring obstacle negotiation.
• OpenAlex ID：W7212038284
• OpenAlex DOI：10.48550/arxiv.2609.09158
• DOI：10.48550/arxiv.2609.09158
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2609.09158
• OpenAlex更新：2026-09-11
• 待LLM分类：否
• 标题中文：TANGO：基于全身 Vision-Language-Action 模型的杂乱环境中人形机器人导航
• TLDR中文：本文提出 TANGO，首个面向语言条件人形机器人在杂乱环境中通行的全身视觉语言导航框架，在视觉语言导航任务中达到 SOTA，并在需要避障的困难场景中超越强模块化基线。
• 来源文件：
• /inbox/tom/_candidates/2026-09-09-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]