SeqWalker：基于分层规划的序贯视野视觉-语言导航
机器人学
2026-01-09 v1 人工智能
摘要
序贯视野视觉-语言导航（SH-VLN）提出了一种具有挑战性的场景，要求智能体在复杂、长视野语言指令的引导下顺序执行多任务导航。当前的视觉-语言导航模型在处理此类多任务指令时表现出显著的性能下降，因为信息过载会削弱智能体关注与观测相关细节的能力。为了解决这个问题，我们提出了 SeqWalker，一种建立在分层规划框架上的导航模型。我们的 SeqWalker 具有以下特点：i）高层规划器，根据智能体当前的视觉观测，动态地将全局指令选择为上下文相关的子指令，从而降低认知负荷；ii）低层规划器，结合了探索-验证策略，利用指令固有的逻辑结构进行轨迹误差校正。为了评估 SH-VLN 的性能，我们还扩展了 IVLN 数据集并建立了一个新的基准。进行了大量实验以证明所提出的 SeqWalker 的优越性。
引用
@article{arxiv.2601.04699,
title = {SeqWalker: Sequential-Horizon Vision-and-Language Navigation with Hierarchical Planning},
author = {Zebin Han and Xudong Wang and Baichen Liu and Qi Lyu and Zhenduo Shang and Jiahua Dong and Lianqing Liu and Zhi Han},
journal= {arXiv preprint arXiv:2601.04699},
year = {2026}
}