MORN：面向资源理性长程导航的元认知对象-目标调节
机器人学
2026-05-19 v1
摘要
在非结构化人类环境中部署的机器人常需执行长程任务，如依次找到杯子、椅子、打印机，且需在严格的运营约束下完成。虽然当代零样本对象导航（ObjectNav）代理利用视觉语言模型（VLM）有效定位语义目标，但它们作为纯反应性系统，本质上缺乏全局资源意识。因此，这些代理会因局部可观测性，错误耗尽关键资源预算（包括时间和电池），在不可行的子目标上花费资源，无法在局部探索与全局任务可行性之间取得平衡。为弥合这一差距，注入资源理性进入导航循环，我们提出MORN（Metacognitive Object-goal Regulation Navigation），一种受认知科学中的双过程理论启发的执行架构。MORN以冻结的导航 backbone 为基础，增添一个System 2元控制器，持续监控System 1运动执行器。通过形式化三个神经认知状态（Potentiality Index、Persistence Gating、Evidence Accumulation），MORN基于在线进度速度和感知不确定性估计，动态调节任务计划。该机制有效中和了沉没成本谬误，使代理能够及早果断中止僵尸目标，坚定地投入可实现的目标。在HM3D数据集上进行的广泛实验表明，MORN将目标完成率（CR）从0.23提升至0.30，将浪费步骤比例（WSF）从0.90降至0.70，确立了在资源受限的自主性中，具备全局资源的元认知意识，同于反应性导航能力一样至关重要。
引用
@article{arxiv.2605.16932,
title = {MORN: Metacognitive Object-Goal Regulation for Resource-Rational Long-Horizon Navigation},
author = {Xi Lin and Jiayi Li and Kangyi Wu and Jiaqiao Tang and Qingrong He and Lin Zhao},
journal= {arXiv preprint arXiv:2605.16932},
year = {2026}
}