导航智能体应记住什么：时空记忆用于零样本视觉语言导航

结构化时空记忆提升8B零样本导航成功率

资讯摘要

论文研究8B规模零样本视觉语言导航系统应保留哪些信息及如何组织。智能体将指令进度、按位姿锚定的分层压缩观测历史与累积几何分别存入任务、时间、空间三类互补记忆，由8B观察器总结观测、8B推理器选择路点意图或请求新视角，几何控制器执行目标。在R2R-CE val-unseen上，完整系统在评估的Qwen3零样本基线中成功率最高；移除时间记忆后成功率下降，平均路径长度从16.9米增至39.1米。Unitree Go2真实实验中，该方法在走廊与办公室场景成功率高于后训练基线。

要点速读

1. 系统由8B观察器、8B推理器和几何控制器组成，记忆分为任务、时间、空间三类。
2. R2R-CE val-unseen上完整系统在评估的Qwen3零样本基线中成功率最高；移除时间记忆使平均路径长度从16.9米升至39.1米。
3. Unitree Go2真实实验中，零样本方法在走廊和办公室场景成功率高于后训练基线。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。