从梦中召回：基于想象引导的记忆持久化视觉语言导航经验检索

视觉语言导航要求智能体通过环境中的自然语言指令导航，记忆持久化变体要求通过积累的经验实现持续改进。现有记忆持久化 VLN 方法面临关键局限：缺乏有效的记忆访问机制，仅依赖整体记忆纳入或固定视野查找，且主要存储环境观察，忽略编码有价值决策策略的导航行为模式。我们提出 Memoir 框架，运用想象作为检索机制并由显式记忆支撑：世界模型将未来导航状态想象为查询，以选择性检索相关环境观察和行为历史。方法包括：1）语言条件化世界模型，将想象未来状态用于编码经验存储和生成检索查询；2）混合视点级记忆，将观察和行为模式锚定到视点，实现混合检索；3）经验增强型导航模型，集成检索知识的专用编码器。广泛评估表明，Memoir 在八个多样化的记忆持久化 VLN 基准测试中表现突出，10 种不同测试场景均取得显著提升，IR2R 上相比最佳记忆持久化基线提升 5.4% SPL，伴随 8.3 倍训练加速和 74% 推理内存降低。结果表明，预测检索环境和行为记忆可实现更有效的导航，分析显示该想象引导范式仍有显著提升空间（73.3% vs 93.4% 上限）。