Hydra-Nav：基于自适应双进程推理的对象导航
机器人学
2026-02-11 v1
摘要
虽然大型视觉语言模型（VLM）在对象目标导航中显示出前景，但当前方法仍在成功率和对未见对象的高效定位方面受限——这些失败主要归因于弱的时间-空间推理。与此同时，最近尝试将推理注入 VLM 代理以提高成功率，但会产生 substantial 计算开销。为解决上述无效性和效率性问题，我们引入 Hydra-Nav，一个统一的 VLM 架构，能够自适应地在用于分析探索历史并制定高层计划的 deliberative 慢系统之间，以及用于高效执行的 reactive 快系统之间进行切换。我们通过三个阶段的课程训练 Hydra-Nav：（i）空间-动作对齐以强化轨迹规划，（ii）记忆-推理集成以增强对长期探索的时间-空间推理，（iii）迭代拒绝精调以在关键决策点实现选择性推理。广泛的实验表明，Hydra-Nav 在 HM3D、MP3D 和 OVON 基准上实现了最先进的性能，分别超过第二名方法 11.1%、17.4% 和 21.2%。此外，我们引入 SOT（Success weighted by Operation Time），以衡量不同推理强度下 VLM 之间的搜索效率。结果表明，自适应推理显著提高了相对于固定频率基线的搜索效率。
引用
@article{arxiv.2602.09972,
title = {Hydra-Nav: Object Navigation via Adaptive Dual-Process Reasoning},
author = {Zixuan Wang and Huang Fang and Shaoan Wang and Yuanfei Luo and Heng Dong and Wei Li and Yiming Gan},
journal= {arXiv preprint arXiv:2602.09972},
year = {2026}
}