VLM 和 VLA 已拆为独立术语卡片，详见 VLM 和 VLA。本卡片保留 VLN 定义。
VLN（Vision-and-Language Navigation）
视觉-语言导航。给定自然语言指令，智能体在真实/模拟环境中导航到目标位置的任务。
- 输入/输出：环境视觉流 + 指令 → 导航动作序列
- 数据集/基准：R2R、RxR、REVERIE、VLN-CE
- 评估指标：SR（成功率）、SPL（成功加权路径长度）、nDTW
VLN 是一个特定任务/基准，可由 VLA 类方法求解。与 VLA 的区别在于 VLN 专注导航（移动到某处），而 VLA 覆盖更广泛的操作任务（抓取、放置、组装等）。
相关术语
- VLM — 视觉-语言理解底座
- VLA — 视觉-语言-动作，覆盖操作任务