基于场景图的具象化世界建模装置主导的机体化导航

语义导航要求智能体在未知环境中导航至指定目标。采用预测动作前未来场景的具象化导航策略，可使智能体更快地找到目标。受此启发，我们提出SGImagineNav——一种基于符号世界建模的具象化导航框架，主动构建全局环境表示。SGImagineNav维护演化的层次化场景图，并利用大语言模型预测并探索未知环境的各部分。虽然现有方法仅依赖过去的观察，具象化场景图提供更丰富的语义上下文，使智能体能够主动估计目标位置。基于此，SGImagineNav采用自适应导航策略——当前景时利用语义捷径，若不确定则探索未知区域以获取更多上下文。该策略持续扩充已知环境，积累宝贵的语义上下文，最终指引智能体抵达目标。SGImagineNav在真实场景和仿真基准上进行评估。实验结果表明，SGImagineNav在HM3D和HSSD上的成功率分别提升至65.4%和66.8%，并在真实环境中实现跨楼层和跨房间导航，凸显其有效性和可推广性。