本期数字:选读 26 项独立工作(窗口内首次提交 25 项 / 既有论文修订 1 项)· 主线:VLN 9 篇 / 具身 Agentic 导航 3 篇 · 其他方向 14 篇 · 公众号 0 条
一、本期要点
- 推理预算有两个可调的环节。 VLN-Flash缩短单次动作解码,CHAC减少重算频率。后者在 R2R-CE 的成功率损失提示,延长执行承诺需要按任务校准。
- 在线学习开始复用失败回合。 R2A让旧反馈参与后续策略更新。读数时应同时看初始策略、反馈预算与回合顺序。
- 规划器核验的时机开始与失败类型绑定。 LeaP-VLN检查子任务停止是否可信,AgenticJevNav在阻塞或进展不足时触发复核。两种信号对应不同的干预点。
二、精读
1. VLN-Flash
在小动作空间里,一次前向即可评分多条短计划。
论文 · 图 1 · 主线:VLN · 指令跟随 · R2R-CE / RxR-CE(连续环境)
问题。 多步自回归动作解码要依次前向,生成速度受限。执行器若一次走完整段动作,也可能错过更新观察的时机。
方法。 用树形注意力在一次前向中给候选动作前缀评分,再根据候选前缀的分数差动态选择本轮执行长度。导航骨干保持冻结。
证据。 固定输入的动作解码较自回归快 2.75 倍(Uni-NaVid)和 2.57 倍(StreamVLN);在 RxR-CE val-unseen 上,Uni-NaVid 的 SR 从 55.1% 到 57.8%。Unitree GO2 上,同一 StreamVLN 骨干完成 52/60 条指令,自回归组完成 49/60 条。
判断。 同检查点对照有助于区分解码器与骨干的贡献。收益依赖候选动作空间和计划长度,部署时还应单独计算通信等待。
下一步。 复现:固定执行长度后测解码延迟,再打开自适应执行测 SR 和 SPL。
2. R2A
让相似指令下的成功和失败反馈都参与策略更新。
论文 · 图 2 · 主线:VLN · 在线适应 · REVERIE / R2R(离散环境)、R2R-CE(连续环境)
问题。 在线 VLN 已获得的反馈往往只用于当前回合,后续遇到相似指令时还要重新试错。
方法。 成败记忆按指令相似度检索历史回合,并补充随机样本。更新策略时相对于冻结的预训练先验提高成功轨迹的偏好、压低失败轨迹的偏好,以约束行为漂移。
证据。 在离散 REVERIE val-unseen 上,论文报告 DUET 在线适应后,SR 从 46.98% 到 69.84%,SPL 从 33.73% 到 50.98%。保留在线适应但移除回放记忆时,SR 为 64.49%。
判断。 这些是在线适应条件下的收益。回合顺序、经验库状态和反馈可用性都会影响测试时能够利用的信息。
下一步。 复现:打乱回合顺序,在同一反馈预算下比较仅用当前回合、仅回放成功和成败共同回放。
3. CHAC
省下的模型调用需要和导航成功率一起计账。
论文 · 图 1 · 主线:VLN · 航点执行 · HM3D-OVON / R2R-CE(连续环境)
问题。 每次执行都调用视觉语言模型开销较高。缓存航点在转弯、遇阻或接近终点后又可能失效。
方法。 冻结策略先预测一串航点,再依据保留的视觉上下文、完成线索与控制器反馈决定是否刷新。策略发出停止信号时,可利用访问历史做至多一次移动修正,无需额外调用模型。
证据。 HM3D-OVON 和 R2R-CE 的模型调用分别减少 33.4% 和 64.7%,SR 分别下降 0.63 和 10.82 个百分点。四项物理任务每种方法跑 40 次,CHAC 成功 18 次,原生执行成功 14 次。
判断。 两套仿真基准的代价相差较大,单看每次调用带来的成功率会掩盖这个取舍。真机试验宜按指令长度和终点判据复核。
下一步。 跟踪:绘制不同指令长度下的调用数–SR 曲线,单独标出末端修正的贡献。
4. LeaP-VLN
每次子任务切换都需要有证据支持。
论文 · 图 2 · 主线:具身 Agentic 导航 · 长程指令跟随 · R2R-CE / RxR-CE(连续环境)
问题。 长路线分解后,执行器可能提前停止或已偏离路线。未经检查就切换子任务,局部误差会传到后续步骤。
方法。 执行器联合学习进度推理和动作预测。停止后,验证器决定推进、续跑或回到最近一次确认的锚点,重新取景并重试当前子任务。
证据。 R2R-CE val-unseen 上,论文报告 SR 为 67.5%,对照 CorrectNav 为 65.1%,两者 SPL 分别为 59.1% 和 62.3%。RxR-CE val-unseen 的 SR 为 69.6%。AgiBot Genie 02 展示了一条含三段子任务的室内路线。
判断。 可恢复的锚点提高了故障隔离能力,回退和重试也会增加路径。真机演示说明接口能够落地,规模化收益仍需统计。
下一步。 复现:对提前停止和路线偏离分别统计验证混淆率、恢复成功率与额外路径长度。
5. AgenticJevNav
只在执行异常时调用有明确权限的复核器。
论文 · 图 1 · 主线:具身 Agentic 导航 · 室内物体搜索 · 六类仿真任务与四足机器人试验
问题。 搜索途中可能停滞,远程推理返回的动作也可能因证据过时或目标变化而失效。
方法。 阻塞、执行失败或连续两段低进展才触发 Jev,复核范围限于规划器授权的动作集。单执行器在动作前检查版本、时效和是否已消费,另由本地 RGB 反射模块拦截前进动作。
证据。 六类仿真任务共 60 次,SR 为 73.33%,最强仅 Agent 对照为 51.67%,成功回合均时分别为 140.55 s 和 120.40 s。GENISOM L1 在一处真机场景成功 21/30 次,含限额内确认未找到目标的任务。
判断。 将复核限在异常点有助于审计权限与触发依据。整体系统仍要为等待付费,且单场景真机结果不足以估计跨场景表现。
下一步。 复现:按阻塞、低进展和证据过期分别记录恢复率、耗时及被拒绝的迟到决策。
三、也值得一看
- ERA · ObjectNav:用后续视角修正预测深度造成的占据错误,停止前跨视角核验目标。
- ROAM · 户外语义导航:以开放词汇分割将语义风险转为地形代价,接入四足控制。
- EvoNav · 终身导航:将重复观察和搜索反馈汇成环境特定的物体共现知识。
- RPSI-Nav · 具身 Agentic 导航:后续搜索反馈同时更新导航程序和诊断规则。
- EasyNav · ROS 2:显式共享状态和时序约定可借鉴到导航 Agent 与控制器接口。
- RePlan-VLA · 操作:用短程策略执行、监测进展并修订后续计划,可借鉴到导航子任务恢复。
四、趋势与行动
趋势
- 推理算力开始按决策阶段分配。 VLN-Flash对应每次调用的解码代价,CHAC对应刷新频率。两种开销应分开计量,再纳入总耗时。
- 复核逐渐成为可测试的接口。 LeaP-VLN给出转段前的核验点,AgenticJevNav给出异常后的触发点。可分别测错过复核和误触发的后果。
研究空白
- 在同一长程连续导航基准中,尚需对照独立验证器何时应该介入、延迟多长仍有效,以及预算耗尽前如何交还给本地执行器。
下一步
- 高 · 复现 VLN-Flash与CHAC:固定已有骨干和硬件,分别记录单次解码耗时、模型调用次数与 SR/SPL。
- 中 · 评测 LeaP-VLN与AgenticJevNav:在同一批长程任务注入提前停止、阻塞和延迟反馈,比较转段核验与异常核验的恢复代价。
- 中 · 复现 R2A:分别报告冷启动和已有经验库的结果,并为新场景做清空记忆的对照。
五、全部工作索引
以下为本期 26 项选读工作,依次收录两条导航主线(A)、可迁移方法(B)与相邻领域(C)。
VLN 与语义导航 · 9 篇
- VLN-Flash:见精读。
- R2A:见精读。
- CHAC:见精读。
- ERA:用运动获得的新视角纠正地图错误。
- ROAM:将语义风险转为四足地形代价。
- EvoNav:从短期观察汇集长期环境知识。
- SearchDiffusion:以空间效用图引导物体搜索轨迹。
- ROS 2 语义导航:开放词汇检测与 Nav2 接入 Gazebo。
- Racing the Clock:修订版,比较预算约束下的物体搜索教师。
具身 Agentic 导航 · 3 篇
- LeaP-VLN:见精读。
- AgenticJevNav:见精读。
- RPSI-Nav:更新搜索规则与生成规则的机制。
可迁移方法 · 8 篇
- EasyNav:以显式共享状态连接 ROS 2 导航模块。
- RePlan-VLA:监测长程操作进度,按反馈改计划。
- AgentRoboCritic:对照局部意图归因动作级失败。
- CoachSI:语言教练产生可重标的成功执行轨迹。
- CRA:将连续语义风险接入视觉导航安全滤波。
- FedDIA:按场景难度和进步加权联邦更新。
- Hierarchical Skill Composition:在未见 FourRooms 布局复用预训练技能。
- Homeward:将变化的相机观测重投影到训练视角。
相邻领域 · 6 篇
- 无人机导航(3):AeroRSI、Fly as Instructed、CityNav-VLA
- VLA 操作(2):A²-VLA、ScaleVLA
- 自动驾驶(1):Ego2Flow