SR-Nav：空间关系对零样本目标导航至关重要
计算机视觉与模式识别
2026-03-20 v1
摘要
零样本目标导航旨在使用仅/egocentric 观察在未见环境中找到目标对象。最近的方法利用基础模型的理解与推理能力以提升导航性能。然而，当面对差异差的视点或弱语义线索时，基础模型常在感知与规划中难以提供可靠推理，导致导航效率低下或失败。我们观察到，对象和区域之间的内在关系编码了结构化的场景先验，这有助于代理即使在部分观察下推断合理的目标位置。为此，我们提出空间关系感知导航 (SR-Nav)，一个建模观察到的和基于经验的空间关系以提升感知与规划的框架。具体而言，SR-Nav 首先构建动态空间关系图 (DSRG)，通过基础模型编码目标中心的空间关系，并随实际观察动态更新。我们随后引入关系感知匹配模块。它利用关系匹配而非直接检测，利用 DSRG 中的多样化关系来验证和纠正错误，从而增强视觉感知鲁棒性。最后，我们设计动态关系规划模块，通过从当前位置动态计算最优路径于 DSRG，减少规划搜索空间，从而引导规划并减少探索冗余。在 HM3D 上的实验表明，我们的方法在成功率和导航效率方面实现了状态-of-the-art 性能。代码将在 https://github.com/Mzyw-1314/SR-Nav 上公开。
引用
@article{arxiv.2603.18443,
title = {SR-Nav: Spatial Relationships Matter for Zero-shot Object Goal Navigation},
author = {Leyuan Fang and Zan Mao and Zijing Wang and Yinlong Yan},
journal= {arXiv preprint arXiv:2603.18443},
year = {2026}
}