#Object Navigation (4)

GLaM：在全局时空记忆上训练用于主动探索与导航的潜世界模型

GLaM 是在线时空记忆上的目标条件潜世界模型，联合预测未来地图表示与机器人相对路点潜变量；GLaM Nav 再加入真实观测核验、目标检索和几何控制。论文在受控的 50% HM3D-ObjectNav 子集上将成功率从 78.50% 提升到 86.89%，SPL 从 47.70% 提升到 48.35%，并以 Astribot S1 展示未知办公室探索和历史地点重访。

I-Tak Ieong, Ruizhi Feng, Zhaoyang Lu · 175次阅读 · 2026年9月13日

具身智能Object Navigation

2026年9月13日

SuperNav：面向任意任务与任意场景的智能体导航系统

SuperNav 给一个预训练多模态大模型套上专用 agent harness，全程不做导航微调：MLLM 只负责解读请求、理解场景与做决定，移动交给可替换的运动后端（几何执行器 / 学习执行器），两者由统一的视觉点接口连接——模型直接在观测图像中点出目的地，并从执行反馈中修正决定。harness 另提供 Navigation Skills、面向 agent 的工具、任务进度记录与上下文管理，以支撑长程交互。在 Habitat-GS 单目标 / 有序多目标 / 需求驱动任务上成功率达 78.00% / 34.00% / 59.50%（最强基线分别为 34.00% / 4.00% / 37.50%），HM3D-OVON 120 集 val-unseen 上 1 m 阈值取得 73.33% SR / 0.4105 SPL，并在 Unitree Go2 四足真机上完成搜索与多目标拜访演示。

Jinkai Zhang, Jingyi Xu, Yuanhong Yu · 466次阅读 · 2026年10月8日

Object NavigationEmbodied Agent

2026年10月8日

HAM-VLN：用分层智能体记忆实现零样本视觉语言导航

视觉语言导航（VLN）要求机器人在从未见过的环境中按自然语言指令走到目标位置或目标物体。近期出现了一条免训练范式：机器人把当前观测交给多模态大模型，由模型理解场景并规划下一步动作。但无论用图像流还是稠密地图做长程导航，都会不可避免地引入不断膨胀的记忆与推理瓶颈。本文提出 HAM-VLN——一种与决策耦合、由智能体自己撰写的记忆机制，为机器人配上一张持久的、由深度反投影落地的世界图。在选择下一个动作的同一次模型调用里，HAM-VLN 同时记录语义与反思信息，包括房间类型、看到的物体、指令执行进度以及失败原因。最近的航点在有限窗口内原文保留，更久远的历史只有通过检索才会重新进入上下文，检索按相关性、时近性与显著性打分，并做一跳拓扑扩展。这个设计不需要在逐航点决策之外增加任何大模型调用。相比已有方法，HAM-VLN 不仅提升了多项导航指标，还把上下文长度压缩了 65% 以上：在完全不训练的前提下，VLN-CE R2R 成功率 61.0%，VLN-CE RxR 52.7%，HM3D-v2 ObjectNav 79.7%。

An Liu, Bingxi Liu, Hongyu Ding · 854次阅读 · 2026年7月31日

视觉语言导航具身智能

2026年7月31日

SSTG-Nav：面向可复用物体导航的度量接地空间语义拓扑图

服务机器人在同一住宅或设施中长期工作时，不应为每次请求重新探索熟悉空间。SSTG-Nav 把一次与目标无关的环境巡检转化为持久度量语义拓扑：最远点采样建图（6,642 节点/21,845 边，覆盖半径 0.8 米），视图级 VLM 检测经深度反投影与 0.8 米 standoff 接地为可达停点位，源感知 noisy-OR 融合跨视角合并证据并保留残差 standoff 用于恢复。在 HM3D-v2 全验证集 1,000 个 episode 上，目标无关拓扑的几何成功上限达 99.4%；固定语义响应下度量接地把 SR/SPL 从 0.835/0.560 提升到 0.920/0.603，融合达 0.926/0.586，融合感知 Top-3 恢复达 0.975/0.601，并以 ROS 2/Nav2 真机闭环验证了查询到执行的完整链路。

Peng, Daojie, Wang, Bingtao, Ma, Jun · 801次阅读 · 2026年8月1日

Object Navigation语义建图

2026年8月1日

本站含 CakeGrowth 联盟推广链接,我们可能从符合条件的购买中获得佣金。