Nav-$R^2$：用于通用开放词汇目标导航的双关系推理
计算机视觉与模式识别
2025-12-03 v1
摘要
开放词汇环境下的目标导向导航要求代理人定位未见对象，然而现有方法的决策过程不透明且在定位未见对象方面成功率较低。为此，我们提出Nav-，该框架通过结构化链式思维（Chain-of-Thought, CoT）推理结合相似度感知记忆，显式建模两种关键关系：目标-环境建模和环境-动作规划。我们构建Nav-CoT数据集，教会模型感知环境、聚焦目标相关对象并最终制定未来行动计划。我们的SA-Mem通过压缩视频帧和融合历史观察，在时序和语义两个角度保留最具目标相关性和当前观察相关性的特征，同时不引入额外参数。与以往方法相比，Nav-R^2通过简洁高效的管道实现了在定位未见对象方面的最先进性能，避免对已见对象类别的过拟合，同时保持2Hz的实时推理。资源将在\href{https://github.com/AMAP-EAI/Nav-R2}{github链接}公开。
引用
@article{arxiv.2512.02400,
title = {Nav-$R^2$ Dual-Relation Reasoning for Generalizable Open-Vocabulary Object-Goal Navigation},
author = {Wentao Xiang and Haokang Zhang and Tianhang Yang and Zedong Chu and Ruihang Chu and Shichao Xie and Yujian Yuan and Jian Sun and Zhining Gu and Junjie Wang and Xiaolong Wu and Mu Xu and Yujiu Yang},
journal= {arXiv preprint arXiv:2512.02400},
year = {2025}
}