📖 摘要

提出TANGO，首个全身视觉语言导航框架，实现人形机器人在杂乱环境中按语言指令行动。

🔑 关键词速览

TANGO	一种用于人形机器人在杂乱环境中导航的全身视觉-语言-动作模型，直接预测关节空间动作。
whole-body vision-language-action model	一种结合视觉、语言和动作的模型，能够根据语言指令和视觉输入生成全身关节动作。
29-DoF joint-space actions	29个自由度的关节空间动作，指人形机器人全身关节的控制指令。
zero-shot deployment	零样本部署，指模型在未见过的真实环境中直接应用，无需额外训练。
obstacle-aware motion editing	障碍物感知运动编辑，一种根据障碍物信息调整运动轨迹的技术，确保无碰撞通行。