本文介绍了基于InternNav框架的VLN入门学习计划，分为四个阶段：1）理解VLN基础概念，包括任务定义、动作空间和评测指标；2）熟悉InternNav代码架构，包括智能体、模型、数据集等模块；3）运行Seq2Seq、CMA和RDP基线模型；4）深入理解InternVLA-N1双系统架构及其实现。计划从理论学习到实践操作，帮助学习者逐步掌握视觉语言导航技术，最终复现高性能模型。

本文提出FAST-LIVO2，一种高效的LiDAR惯性视觉里程计框架，通过误差状态迭代卡尔曼滤波器（ESIKF）融合IMU、LiDAR和视觉数据。该系统采用直接方法处理原始点云和图像，无需特征提取，显著提升计算效率。创新性地引入平面先验、动态参考贴图更新和在线曝光估计，有效解决了维度不匹配、光照变化等挑战。实验表明，该系统在精度、鲁棒性和效率上优于现有方案，并成功应用于无人机导航、空中测绘和3D重