海洋、渔业与海岸系统
突破级
有讲解视频
收录解读
牡蛎礁监测是典型的高风险、高成本海洋生态任务。人工潜水效率低、危险高，而传统 AUV 又主要依赖几何导航，无法理解场景语义。把 VLM 直接做成端到端导航器虽然看起来先进，但会带来推理频繁、动力学失配和误差累积等问题。
CORAL 的方法很干净：高层 VLM 只负责语义层面的 waypoint 选择，底层由 dynamics-aware local planner 完成避障和执行，再用 geometric verification 模块对 waypoint 做校验并在需要时触发重规划。这个分层结构把语义推理和精细运动控制明确解耦，避免把所有控制责任都压给 VLM。
这篇论文的仓库价值在于它给出了一个可迁移的 embodied pattern：让 foundation-model 负责上下文理解和高层意图，让传统/可验证的 planner 负责低层安全执行。它不只适用于水下监测，对其他高风险场景中的语义导航同样有启发。
它暂时不是更高一级，因为实验场景仍然集中在水下牡蛎礁监测，且目前还是预印本阶段。若后续在更广 marine robotics 或一般 embodied exploration 任务上复现，这个分层范式会更稳。