List your company

Vision-and-Language Navigation on R2R (val unseen)

84Success Rate (SR)SRDF
71.5274.767881.24Aug 20, 2021Jun 12, 2022Apr 4, 2023Jan 25, 2024Nov 16, 2024Sep 8, 2025Jul 1, 2026

Evaluation results

MethodLinks
SRDFlarge-scale data augmentation=true2025.0884—1.8378———89————
SkillNav (SRDF-Aug)large-scale data augmentation=true, visual encoder=InternViT-6B, action router=GPT-4o2025.0884—1.7978———89————
SkillNav (ScaleVLN-Aug)large-scale data augmentation=true, visual encoder=CLIP-B/16, language backbone=BERT-base-uncased, action router=GPT-4o2025.0883—1.9777———89————
DUET + ScaleVLN + Vision-SharingMethod Paradigm=Supervised Learning, Image Features=CLIP ViT-B16, Vision-Sharing=True, Spatial Overlap Detection=Oracle viewpoint IDs2026.0382.46—2.1273.39———89.112.31———
DUET + ScaleVLN + Vision-SharingMethod Paradigm=Supervised Learning, Image Features=CLIP ViT-B16, Vision-Sharing=True2026.0381.01—2.1572.39———88.8512.44———
ScaleVLNSetting=Cross-modal backbone, Year=2023, multi-task pretraining=true2026.0181—2.0970———8814.09———
ScaleVLN2026.0281—2.0970———8814.09———
ScaleVLNSettings=Pretrain2026.0281—2.0970———88————
DUET + ScaleVLMethod Paradigm=Supervised Learning, Image Features=CLIP ViT-B162026.0379.4—2.3869.97———87.4812.4———
Previous SOTA2024.0979———————————
GOAT-ATENASettings=Pretrain2026.0279—2.2769————————
ScaleVLNlarge-scale data augmentation=true2025.0879—2.3970———88————
GOATSettings=Pretrain2026.0278—2.468———85————
GOAT2024.0477.82—2.468.13———84.72————
3D Gaussian Map2026.0577—2.4366————14.83———
DUET + Vision-SharingMethod Paradigm=Supervised Learning, Vision-Sharing=True, Spatial Overlap Detection=Oracle viewpoint IDs2026.0376.23—2.6362.9———85.0614.62———
P3Nav2026.0376—2.7965————————
SAMElarge-scale data augmentation=true2025.0876—2.7366————————
IDEABase Model=DUET2026.0576—2.9167————12.47———
IDEABase Model=BEVBert2026.0576—2.5368————12.03———
BEVBert + ATENABase Model=BEVBert, Feedback Setting=With Feedback2026.0576—2.7868————12.22———
DUET + IDEABase Model=DUET, Feedback Setting=Without Feedback2026.0576—2.9167————12.47———
BEVBert + IDEABase Model=BEVBert, Feedback Setting=Without Feedback2026.0576—2.5368————12.03———
decay-onlyvariant=decay-only2026.0776—2.5965————13.29——742.61
decay+anti-loopvariant=decay+anti-loop2026.0776—2.6966————12.41——666.37
AirbertSpeaker=true, Follower=true2021.0875.019.992.6970———82.89————
GridMM2024.0475—2.8364————————
BEVBert2024.0475—2.8164———84————
GridMM2024.1275——64————————
BEVBertSetting=Cross-modal backbone, Year=20222026.0175—2.8164———8414.55———
BEVBert2026.0275—2.8164———8414.55———
BEVBert2026.0375—2.8164————————
BEVBertMethod Paradigm=Supervised Learning2026.0375—2.8164———8414.55———
GridMM2026.0375—2.8364————————
BEVBert2026.0375—2.8164————————
BTK2026.0375—2.6964———84————
BEVBERT2025.0875—2.8164———84————
FSTTABase Model=DUET2026.0575—3.0362————14.64———
BEVBertBase Model=BEVBert2026.0575—2.8164————14.55———
SARBase Model=BEVBert2026.0575—2.7964————12.98———
ViDABase Model=BEVBert2026.0575—2.8364————13.11———
ReCAPBase Model=BEVBert2026.0575—2.7864————12.94———
DUET + FeedTTABase Model=DUET, Feedback Setting=With Feedback2026.0575—2.9565————13.52———
DUET + ATENABase Model=DUET, Feedback Setting=With Feedback2026.0575—2.966————12.31———
BEVBertBase Model=BEVBert, Feedback Setting=With Feedback2026.0575—2.8164————14.55———
BEVBert + RLCFBase Model=BEVBert, Feedback Setting=With Feedback2026.0575—2.7664————14.11———
BEVBert + FEEDTTABase Model=BEVBert, Feedback Setting=With Feedback2026.0575—2.7766————12.24———
DUET + FSTTABase Model=DUET, Feedback Setting=Without Feedback2026.0575—3.0362————14.64———
BEVBertBase Model=BEVBert, Feedback Setting=Without Feedback2026.0575—2.8164————14.55———
BEVBert + ReCAPBase Model=BEVBert, Feedback Setting=Without Feedback2026.0575—2.7864————12.94———
BEVBert2026.0575—2.8164————14.55———
update-onlyvariant=update-only2026.0775—2.8663————13.92——891.12
full-modevariant=full-mode2026.0775—2.864————13.77——1,000.84
DUET + Vision-SharingMethod Paradigm=Supervised Learning, Vision-Sharing=True2026.0374.54—2.8762.28———83.1814.46———
NavGPT-2Setting=Prompting-based LLM agents, Year=2024, additional synthetic trajectories=true2026.0174—2.9861———8414.01———
NavGPT22026.0374—2.9861———84————
BSG2026.0374—2.862————————
S-EGIU2026.0474—3.3761————13.33———
TentBase Model=BEVBert2026.0574—2.9363————13.14———
FSTTABase Model=BEVBert2026.0574—2.8963————13.96———
BEVBert + FSTTABase Model=BEVBert, Feedback Setting=Without Feedback2026.0574—2.8963————13.96———
BSG2026.0574—2.8962————14.9———
BEVBert2026.0774—2.8364————14.52———
GridMM (baseline)2026.0774—2.8364————13.27——937.99
VLN-BERTSpeaker=true, Follower=true2021.0873.61102.7668———81.91————
DSRG2024.0473—362———81————
CONSOLE2024.1273—363————————
SUSA2024.1273—364.8————————
KESU2026.0373—2.9662————————
CONSOLE2026.0373—363————————
DUET + RLCFBase Model=DUET, Feedback Setting=With Feedback2026.0573—3.1261————13.87———
DUET-CLIPVisual Features=CLIP-ViT/162023.0472.8——63.4—69.360.6—————
ACME2024.1272.8—3.1262.3————————
VLN-SIGVisual Features=CLIP-ViT/162023.0472.2——63.7—70.261.4—————
DUETMemory=Top. Map, Exploit=X2023.0372—3.3160————13.94———
Meta-ExploreMemory=Top. Map, Exploit=local goal2023.0372—3.2262————13.09———
DUET2023.0372—3.3160————13.94———
DUET2024.0472—3.3160———81————
DUET2023.1272—3.3160————13.94———
Meta-Explore2023.1272—3.2262————13.09———
AZHP2023.1272—3.1561————14.05———
VLN-SIG2023.1272——62————————
FDA2024.1272—3.464————————
DUET2024.1272—3.360————————
DUETSetting=Cross-modal backbone, Year=20222026.0172—3.3160———8113.94———
DUET2026.0272—3.3160———8113.94———
DUETSettings=Pretrain2026.0272—3.3160———81————
DUET2026.0372—3.3160———81————
KERM2026.0372—3.2261————————
ViTeC2026.0372—3.1562————————
DUET2026.0472—3.3160————13.94———
DUET2026.0472—3.3160————13.94———
DUET+SDB2026.0472—3.2662————13.49———
NavGPT-2 (FlanT5-5B)Backbone=FlanT5-5B2025.0872—3.1361———81————
DUET2025.0872—3.3160———81————
DUETBase Model=DUET2026.0572—3.3160————13.94———
TentBase Model=DUET2026.0572—3.4260————13.78———
SARBase Model=DUET2026.0572—3.2861————13.59———
ViDABase Model=DUET2026.0572—3.3461————13.63———
ReCAPBase Model=DUET2026.0572—3.2861————13.39———