作者：JiazhaoZhang,KunyuWang,XiaomengFang,RongtaoXu,QiWu,GengzeZhou,ZhizhengZhang,YicongHong,HeWang,单位：中国科学技术大学计算机科学与工程学院，北京人工智能研究院，CASIA，阿德莱德大学，澳大利亚国立大学，Galbot原文链接：NaVid:Video-basedVLMPlans