Beyond Geometry: Efficient Topologically-Grounded Navigation in Complex 3D Environments
School of Integrated Circuits（集成电路学院）
本文提出了一种表面提取框架，通过强制地面支撑、头顶 clearance 和基于种子的连通性约束，构建了物理可达的站立位置的简化状态空间，从而在复杂3D环境中实现高效的拓扑导向导航。
2026-05-17 cs.RO
SoGuDiff: Socially Guided Diffusion for Steerable, Norm-Grounded Robot Navigation
University of Waterloo（滑铁卢大学）；McMaster University（麦克马斯特大学）
提出SoGuDiff扩散导航框架，通过连续风格轴在部署时调谐社会行为，并用可行性投影层分离社会学习与碰撞避免，单轴扫描严格优于固定基线，真实世界演示验证了风格差异。
2026-09-28 cs.RO
Environment-agnostic Multitask Learning for Natural Language Grounded Navigation
University of California, Santa Cruz（加州大学圣克鲁兹分校）；University of California, Santa Barbara（加州大学圣塔芭芭拉分校）；Google Research（谷歌研究院）；Amazon（亚马逊）
最近的研究工作使得能够在照片逼真的环境中研究基于自然语言的导航，遵循自然语言指令或对话。然而，现有的方法往往过拟合训练数据在看到的环境中，并未能推广以及在以前看不见的环境。为了缩小可见和不可见环境之间的差距，我们的目标是从两个新的角度学习广义导航模型：（1）我们引入了一个多任务导航模型，可以在视觉语言导航（VLN）和对话历史导航（NDH）任务上进行无缝训练，它受益于更丰富的自然语言指导，并有效地在任务之间传输知识;（2）我们建议学习导航策略的环境不可知表示，这些表示在训练期间所看到的环境中是不变的，从而更好地概括看不见的环境。大量的实验表明，与环境无关的多任务学习显着减少了可见和不可见环境之间的性能差距，因此训练的导航代理在VLN上的性能优于基线16%（相对成功率），在NDH上的性能优于基线120%（目标进度）。我们向CVDN排行榜提交的申请为保持测试集上的NDH任务建立了新的最先进水平。代码可在https://github.com/google-research/valan上获得。
2020-07-21 cs.AI cs.CL cs.CV
NavProbe: Evidence-Grounded Reasoning with Active Memory Retrieval for Zero-Shot Navigation
ShanghaiTech University（上海科技大学）
NavProbe提出一种分层零样本导航智能体，通过动态子目标议程与主动证据检索，在R2R-CE、RxR-CE和HM3D-v2上取得领先性能，并支持真实机器人部署。
2026-10-06 cs.RO
OpenFrontier: General Navigation with Visual-Language Grounded Frontiers
ETH Zurich（苏黎世联邦理工学院）；Microsoft Spatial AI Lab（微软空间人工智能实验室）；University of Bonn（波恩大学）
本文提出OpenFrontier框架，通过稀疏子目标识别与到达问题实现高效导航，无需任务特定训练或微调，适用于多种视觉-语言先验模型，展示零样本性能和真实机器人部署效果。
2026-06-28 cs.CV cs.RO
RiverVLN: Phase-Grounded Temporal Vision--Language Navigation for Unmanned Surface Vehicles
针对无人水面艇在连续河流运动中的长时程视觉-语言导航，提出RiverVLN基准和PGT-NAV框架，通过相位接地将指令转为可验证语义序列，显著降低漂移并实现0.79平均成功率。
2026-09-22 cs.AI cs.RO
G2-Nav: Grounded and Guarded Vision-Language Costmaps for Robot Social Navigation
研究针对机器人社交导航问题，提出G2-Nav框架，将VLM语义推理转化为视觉语言代价地图，经开放集感知评估区域和代理，结合语义验证与高频安全检查，实现非结构化环境下安全、高效且符合社会规范的自主导航。
2026-10-02 cs.RO
Plan in Sandbox, Navigate in Open Worlds: Learning Physics-Grounded Abstracted Experience for Embodied Navigation
School of Computing and Artificial Intelligence, Southwest Jiaotong University, China（计算机与人工智能学院，西南交通大学，中国）；Centre for Frontier AI Research A*STAR, Singapore（前沿人工智能研究A*STAR中心，新加坡）；School of Computer Science, University of Leeds, UK（计算机科学学院，利兹大学，英国）
本文提出SAGE框架，通过物理基础的语义抽象学习，提升具身导航性能，在A-EQA任务中取得53.21%的成功率，且在物理室内机器人部署中表现良好。
2026-05-11 cs.RO
Robot Navigation Using Physically Grounded Vision-Language Models in Outdoor Environments
University of Maryland, College Park（马里兰大学帕克分校）
本文提出 VLM-GroNav，通过将视觉-语言模型与本体感觉物理接地相结合，动态评估户外地形可通过性并实时重规划轨迹，在腿式和轮式机器人上实现导航成功率最高提升50%。
2024-09-30 cs.RO
EndoWAM: A Grounded World-Action Model for Generalizable Endoscopic Navigation
EndoWAM是首个用于通用机器人内窥镜导航的世界-动作模型，通过未来接地机制结合轻量型扩散Transformer与离散动作专家，在EndoMotion数据集上优于基线，具强零样本泛化能力。
2026-08-04 cs.RO
GROVE: Grounded Pedestrian Simulation via Natural Language for Interactive Social Robot Navigation
Singapore Management University（新加坡管理大学）；Technical University Berlin（柏林工业大学）；National University of Singapore（新加坡国立大学）
提出GROVE框架，通过自然语言指令生成逼真且具有社交挑战性的行人仿真场景，结合多种SotA方法模拟长时人类行为、中时行人导航和短时机器人社交交互，缩小仿真到现实的差距。
2026-06-25 cs.RO
Hierarchical Open-Vocabulary 3D Scene Graphs for Language-Grounded Robot Navigation
University of Freiburg（弗莱堡大学）；University of Technology Nuremberg（纽伦堡工业大学）
本文提出HOV-SG分层开放词汇3D场景图方法，融合视觉基础模型构建楼层-房间-物体层级语义表示，在提升开放词汇语义准确率的同时大幅压缩地图规模，并验证了其在真实多层环境中语言引导导航的有效性。
2024-06-03 cs.AI cs.CL cs.CV
MoMa-Kitchen: A 100K+ Benchmark for Affordance-Grounded Last-Mile Navigation in Mobile Manipulation
Fudan University（复旦大学）；Shanghai AI Laboratory（上海人工智能实验室）；University of Science and Technology of China（中国科学技术大学）；Northwestern Polytechnical University（西北工业大学）；TeleAI, China Telecom Corp Ltd（中国电信 TeleAI 公司）
本文提出含10万余样本的 MoMa-Kitchen 基准，利用可供性标签训练移动操作器的最终导航定位，并给出轻量级 NavAff 基线。
2025-03-14 cs.AI cs.CV cs.RO
G$^2$WAM: World Action Models for Efficient and Geometry Grounded Image-Goal Navigation
College of Intelligence Science and Technology, National University of Defense Technology（国防科技大学智能科学学院）；School of Future Technology, National University of Defense Technology（国防科技大学未来技术学院）
本文提出G²WAM模型，通过场景坐标定位模块生成稳定空间上下文，联合预测未来状态与动作，在四个轨迹预测基准及闭环导航实验中均实现性能提升且推理成本降低。
2026-10-14 cs.AI cs.RO
$S^3$-Nav: Structured Spatial-Semantic Decision Making for Language-Guided Robot Navigation
Gachon University（嘉泉大学）
$S^3$-Nav是面向部分可观测环境的语言引导机器人导航框架，通过分离持久状态、决策证据与执行权限提升导航可靠性并降低推理成本。
2026-11-03 cs.RO
Grounded Vision-Language Navigation for UAVs with Open-Vocabulary Goal Understanding
School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学）
针对视觉语言导航的分布外泛化差、依赖离散动作空间问题，提出面向无人机的VLFly框架，仅靠单目视觉实现连续速度控制，无需微调即在仿真和真实场景中展现出更强的开放词汇导航能力。
2025-06-12 cs.AI cs.RO
LoGoPlanner: Localization Grounded Navigation Policy with Metric-aware Visual Geometry
Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）；Shanghai AI laboratory（上海人工智能实验室）
LoGoPlanner通过结合度量感知的视觉几何和端到端学习，提升移动机器人在无结构环境中的导航性能和泛化能力。
2025-12-23 cs.CV cs.RO
HumanoidVLN: A Physics-Grounded Simulator and Benchmark for Vision-Language Navigation Across Diverse Humanoid Embodiments
VinMotion, Inc.（VinMotion公司）；University of Southern California（南加州大学）
本研究针对人形机器人VLN的物理约束与形态差异问题，提出基于NVIDIA Isaac Sim的HumanoidVLN模拟器与基准，验证其与多种模型、机器人的兼容性，实验揭示了VLN模型、控制器与人形形态的交互关系。
2026-08-14 cs.RO
SSTG-Nav: Metric-Grounded Spatial-Semantic Topological Graphs for Reusable Object Navigation
该研究提出SSTG-Nav，将一次性勘测转化为可执行物体目标，在HM3D-v2数据集实验中显著提升语义导航的成功率与SPL，验证了预探索在可靠重复语义导航中的实用性。
2026-08-04 cs.AI cs.RO
Wanderland: Geometrically Grounded Simulation for Open-World Embodied AI
New York University（纽约大学）；Cornell University（康奈尔大学）
本文提出Wanderland框架，通过多传感器采集和高精度几何重建，解决开放世界具身AI中模拟与现实差距大的问题，并展示其在导航政策学习中的应用。
2026-03-27 cs.CV cs.RO
World-Model-Grounded LLM Planning for AUV and ASV Navigation Near Offshore Wind Farms
Norwegian Defence Research Establishment (FFI)（挪威国防研究机构（FFI））；School of Engineering & Physical Sciences, Heriot-Watt University（赫瑞瓦特大学工程与物理科学学院）
本研究提出世界模型赋能大语言模型规划方法，结合MPC闭环重规划器等组件，在近海风电场区域的AUV和ASV导航任务中，大幅降低目标距离误差，验证了其有效性。
2026-08-21 cs.RO
CORNAV: Construction-Aware Reasoning for Robot Navigation on Active Worksites
University of California at Irvine（加州大学尔湾分校）；Indian Institute of Technology Bombay（印度理工学院孟买分校）
CORNAV利用蓝图和进度感知，结合开放词汇场景图与LLM安全模块，提升活跃工地机器人导航成功率至72.2%，消除区域违规。
2026-10-05 cs.RO
VGP-Nav: Metric-Aware Visual Geometric Perception for Robot Navigation
Southern University of Science and Technology（南方科技大学）；MBZUAI（穆罕默德·本·扎耶德人工智能大学）；Shenzhen University（深圳大学）；SpatialTemporal AI（时空人工智能）
提出VGP-Nav，一种仅依赖单目RGB输入的框架，通过地面平面几何约束解决尺度模糊，实现度量定位与障碍物感知的统一。
2026-06-08 cs.RO
Beyond Shallow-Water Photorealism: Physically and Sensor-Grounded Simulation for Deep-Sea Robotics
School of Engineering & Physical Sciences, Heriot-Watt University（赫瑞瓦特大学工程与物理科学学院）；Engineering Department, Japan Agency for Marine-Earth Science and Technology（日本海洋研究开发机构工程系）
该研究针对现有水下模拟器的不足，扩展Stonefish模拟器，加入多类物理与传感器模型，实现更贴合深海机器人需求的仿真，为相关研究提供实用基础。
2026-08-28 cs.RO
ReasonNavi: Human-Inspired Global Map Reasoning for Zero-Shot Embodied Navigation
The Hong Kong University of Science and Technology（香港科学与技术大学）；Dartmouth College（达特茅斯学院）
ReasonNavi通过结合多模态大语言模型与确定性规划器，实现人类启发的全局地图推理，提供无需微调的零样本具身导航解决方案。
2026-01-26 cs.CV cs.RO
BEINGS: Bayesian Embodied Image-goal Navigation with Gaussian Splatting
Hong Kong University of Science and Technology（香港科技大学）
针对现有图像目标导航方法数据依赖强、计算成本高或复杂环境效率低的问题，提出BEINGS方法，将导航建模为模型预测控制下的最优控制问题，结合3D Gaussian Splatting场景先验与贝叶斯更新，实现高效实时导航，经仿真与物理实验验证适用于复杂视觉场景。
2024-09-16 cs.RO
Grounded Curriculum Learning
George Mason University（乔治梅森大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Sony AI（索尼人工智能）
本文提出Grounded Curriculum Learning（GCL）方法，通过将模拟任务分布与真实世界对齐并考虑机器人历史任务与表现，在BARN导航任务上比现有方法成功率提高6.8%和6.5%。
2024-09-29 cs.AI cs.RO
D3D-GEN: Robot-Aware Domain-Grounded Interactive 3D World Generation for Social Robotics
Singapore Management University（新加坡管理大学）；Technical University Berlin（柏林工业大学）；Max Planck Institute（马克斯·普朗克研究所）；Technical University Braunschweig（布伦瑞克工业大学）
D3D-GEN是一种新型3D世界生成系统，结合领域智能体与RAG流水线，可快速生成领域锚定的交互式3D世界，已构建多领域数据库并生成数十种仿真环境，适配Isaac Sim等仿真器。
2026-08-13 cs.HC cs.RO
NaViRrator: Robot Navigation from Human-Readable Maps through a Learned Visual Route
DGIST（大邱庆北科学技术院）
NaViRRator框架通过SGL-CFM生成路线脚手架，再由视觉语言模型转化为导航指令，实现从人类可读地图到机器人导航，实验证明其成功率与SPL优于现有方法。
2026-09-21 cs.RO
IntentionNav: A Benchmark for Intent-Driven Object Navigation from Implicit Human Instruction
The University of Manchester（曼彻斯特大学）；A*STAR；Responsible AI Research Centre, Adelaide University（阿德莱德大学负责任人工智能研究中心）；University of Bedfordshire（贝福德郡大学）
提出IntentionNav基准，通过隐式人类指令（如“我需要热一下食物”）驱动智能体推断目标物体并导航至其位置，实验表明当前模型在终端成功率和精确定位方面存在显著瓶颈。
2026-05-22 cs.CV cs.RO
Ontology-Guided Reasoning for Affordance-Based Explanations of Robot Navigation
Institute of Artificial Intelligence, Ulm University（乌尔姆大学人工智能研究所）；Faculty of Electrical Engineering, University of Sarajevo（萨拉热窝大学电气工程学院）
提出本体引导推理方法，通过局部可供性本体表示实体、可供性状态和空间关系，评估假设的对象-可供性状态变化作为解释因素，生成语义可理解且可操作的解释，并在机器人图书管理员场景中验证其准确性和鲁棒性。
2026-05-27 cs.RO
AsgardBench -- Evaluating Visually Grounded Interactive Planning Under Minimal Feedback
Microsoft（微软）
AsgardBench旨在评估基于视觉的高阶动作序列生成和交互式规划，重点在于执行过程中基于视觉观察而非导航或低级操作的计划适应。通过限制代理输入为图像、动作历史和轻量级成功/失败信号，该基准测试强调条件分支和计划修复。
2026-03-18 cs.AI cs.CV cs.RO
SONG: A Photorealistic 3D Gaussian Simulation Platform for Benchmarking Social Navigation
School of Computer Science & Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院）
研究针对社会导航模拟平台不足的问题，介绍了基于3D高斯点云渲染的SONG平台，利用其进行场景和化身表示等，还策划了SONG-Bench及评估套件，通过评估发现相关问题，证明微调数据可提高现实环境成功率，为研究提供测试平台。
2026-07-29 cs.RO
Vision-Language Models for Deployable Social Robot Navigation: Bridging Semantic Reasoning and Low-Level Control
Graduate School of Information Science and Technology, Hokkaido University（弘前大学信息科学与技术研究生院）；Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院）
本文综述了将视觉-语言模型（VLM）集成到社交机器人导航中的方法，提出包含高层推理、低层控制及中间机制的统一框架，并讨论了关键挑战与未来方向。
2026-06-27 cs.RO
EFLUX: Elastic Multi-Robot Formation Navigation and Adaptation with Agentic LLMs
GRASP Lab, University of Pennsylvania（宾夕法尼亚大学GRASP实验室）；Department of Computer Science, University of Southern California（南加州大学计算机科学系）
针对多机器人在受限环境中编队导航问题，提出EFLUX框架，基于几何和大语言模型，对变形与重新配置动作联合推理，经闭环管道转化为航点，实验证明其能实现安全弹性导航，减少死锁与导航失败。
2026-07-15 cs.RO
PIVOT: Physically Informed Vision-Language Off-Road Traversability for Field Robot Navigation
PIVOT系统融合几何规划与视觉-语言模型语义推理，通过物理相关性加权评分，在越野导航中将自主性从59.6%提升至97.0%，减少人工干预，显著增强自主导航能力。
2026-09-21 cs.RO
Integrated YOLOP Perception and Lyapunov-based Control for Autonomous Mobile Robot Navigation on Track
Graduate School of Science and Technology（科学与技术研究生学院）；Master’s Program in Science and Technology（科学技术硕士项目）；Green Science and Engineering Division（绿色科学与工程系）
本文提出了一种结合多任务视觉感知与Lyapunov稳定控制的自主轨道导航框架，实现非完整差分驱动机器人在动态环境中的稳定导航。
2025-12-01 cs.RO cs.SY eess.SY
System Configuration and Navigation of a Guide Dog Robot: Toward Animal Guide Dog-Level Guiding Work
University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
与动物导盲犬相比，机器人导盲犬具有引人注目的优势，因为它具有成本效益，大规模生产的潜力和低维护负担。然而，尽管导盲犬机器人的研究历史悠久，以前的研究很少或根本没有考虑导盲犬训练员和导盲犬如何作为一个团队进行导航。为了开发一种真正有益于盲人或视障人士的机器人引导系统，我们进行了定性研究，包括与导盲犬训练员和训练员的访谈，以及与各种导盲犬的第一手蒙眼行走体验。基于从生动的经验和采访中了解到的事实，我们建立了一个合作的导盲犬机器人，包括首选功能，如速度和方向控制室内导航方案。对于协作导航，我们提出了一个语义感知的局部路径规划器，通过利用环境的语义信息，并考虑处理器的位置和方向线索来确定无碰撞路径，从而实现安全和有效的引导工作。我们通过在室内环境中测试引导盲人行走来评估我们的集成机器人系统，并通过以典型的步态速度避开障碍物来展示引导狗的导航行为（$0.7 \mathrm{m/s}$）。
2022-10-24 cs.AI cs.RO
SE(2) Navigation Mesh
Robotic Systems Lab, ETH Zurich（苏黎世联邦理工学院机器人系统实验室）
提出SE(2)导航网格，通过编码偏航依赖的可通行性，支持非圆形机器人在复杂多层环境中的高效路径规划，并开发了A*-拉绳-A*分层路径搜索策略。
2026-07-03 cs.RO
HAM-VLN: Harnessing Hierarchical Agentic Memory for Zero-Shot Vision-and-Language Navigation
本研究提出HAM-VLN零样本VLN方法，通过分层智能体记忆缓解长程导航的记忆与推理瓶颈，提升导航指标并缩短上下文长度，在多个基准数据集上取得优异零样本性能。
2026-08-03 cs.RO
Visually Grounded Task and Motion Planning for Mobile Manipulation
The State University of New York at Binghamton（纽约州立大学宾汉姆顿分校）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Sony AI（索尼人工智能研究院）
任务和运动规划（TAMP）算法旨在帮助机器人实现任务级目标，同时保持运动级的可行性。本文重点关注涉及机器人行为的TAMP领域，这些行为需要很长一段时间（例如，远程导航）。在本文中，我们开发了一个视觉接地的方法来帮助机器人概率评估行动的可行性，并介绍了一个TAMP算法，称为GROP，优化可行性和效率。我们收集了一个数据集，其中包括96，000个机器人进行移动操作任务的模拟试验，然后使用该数据集来学习地面符号空间关系，以进行动作可行性评估。与竞争对手的TAMP基线相比，GROP表现出更高的任务完成率，同时保持较低或相当的行动成本。除了这些广泛的模拟实验，GROP是完全实现和测试一个真正的机器人系统。
2022-02-24 cs.RO
UrbanNav: Learning Language-Guided Urban Navigation from Web-Scale Human Trajectories
UrbanNav通过大规模网络视频数据训练具身智能体，实现基于语言指令的复杂城市导航，展示了在多样城市场景中的高效导航能力。
2026-01-15 cs.CV cs.RO
DeCoNav: Dialog enhanced Long-Horizon Collaborative Vision-Language Navigation
Institute of Artificial Intelligence (TeleAI)（人工智能研究院（TeleAI））；China Telecom Fudan University（中国电信复旦大学）；Tongji University（同济大学）
DeCoNav通过事件触发对话与动态任务分配实现多机器人协作，提升了多机器人系统的长时程协作效率。
2026-04-14 cs.RO
Enhanced Low-Dimensional Sensing Mapless Navigation of Terrestrial Mobile Robots Using Double Deep Reinforcement Learning Techniques
Federal University of Santa Maria（圣玛丽亚联邦大学）；Universidad Tecnológica del Uruguay（乌拉圭技术大学）
本研究提出基于DQN和DDQN的深度强化学习方法，利用24个激光测距值和位置差分实现移动机器人低维感知无地图导航，实验证明DDQN结构显著提升了导航和避障能力。
2023-10-20 cs.AI cs.RO
LGR: LLM-Guided Ranking of Frontiers for Object Goal Navigation
University of Fukui（福井大学）
本研究利用LLM的常识推理，将目标导航中的前沿探索访问顺序问题转化为前沿排序问题，通过动态管理前沿列表和倒数秩向量融合多视图信息，在Habitat-Sim中验证了有效性。
2025-03-26 cs.AI cs.RO
Meanings and Measurements: Multi-Agent Probabilistic Grounding for Vision-Language Navigation
Arizona State University（亚利桑那州立大学）；Haverford College（哈弗福德学院）
本文提出MAPG框架，通过分解语言查询并利用VLM进行语义 grounding，解决复杂度量-语义语言查询的难题，同时引入MAPG-Bench评估指标，展示在现实机器人中的应用效果。
2026-03-19 cs.AI cs.CL cs.CV
IntentNav: Learning Spatial-Visual Object Navigation from Human Demonstrations
Nanyang Technological University（南洋理工大学）；Carnegie Mellon University（卡内基梅隆大学）；The Chinese University of Hong Kong（香港中文大学）；A*STAR Institute for Infocomm Research (I2R)（新加坡科技研究局资讯通信研究院）
提出IntentNav框架，通过人类演示学习类人物体导航策略，利用前沿标注和意图对齐目标实现最优性能，并零样本迁移到多种机器人平台。
2026-11-04 cs.RO
SocialNav-SUB: Benchmarking VLMs for Scene Understanding in Social Robot Navigation
Department of Computer Science, The University of Texas at Austin（德克萨斯大学计算机科学系）；Army Research Laboratory（陆军研究实验室）；Sony AI（索尼人工智能）
提出SocialNav-SUB基准，用于评估视觉语言模型在社交机器人导航场景中的空间、时空和社交推理能力，发现当前VLM虽表现尚可，但仍不及规则方法和人类基线。
2025-09-10 cs.CV cs.RO
UniLM-Nav: A Unified Framework for Zero-Shot Last-Mile Navigation
Tsinghua University（清华大学）；State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，字节跳动公司人工智能研究院）；Harbin Institute of Technology（哈尔滨工业大学）；Peking University（北京大学）
研究移动操作中最后一英里导航问题，提出UniLM-Nav统一框架，通过多模态大语言模型后端分解任务为视图选择、功能接地和姿态推理，在OVMM基准上优于现有方法，还验证了在实际机器人上的适用性。
2026-07-14 cs.RO
HA-VLN 2.0: An Open Benchmark and Leaderboard for Human-Aware Navigation in Discrete and Continuous Environments with Dynamic Multi-Human Interactions
University of Science and Technology of China（中国科学技术大学）
提出HA-VLN 2.0统一基准，通过标准化任务、HAPS 2.0数据集与模拟器、16844条社会指令基准测试及真实机器人实验，证明显式社会建模提升导航鲁棒性并减少碰撞。
2026-08-19 cs.AI cs.CV cs.RO
Onboard Lightweight LLM Reasoning for Human-Aware Safe UAV Navigation
Drexel University（德雷塞尔大学）；University of Pennsylvania（宾夕法尼亚大学）
该研究提出一种全机载模块化流水线，结合BLIP编码器、轻量级大语言模型Qwen-2.5-0.5B等技术，实现人感知安全无人机导航，可减少碰撞事件、提升语义感知着陆成功率。
2026-10-16 cs.RO
TAGA: A Tangent-Based Reactive Approach for Socially Compliant Robot Navigation Around Human Groups
Department of Computer Science and Engineering, BRAC University（布拉格大学计算机科学与工程系）；New Uzbekistan University（新乌兹别克斯坦大学）
提出TAGA方法，通过切线路径检测群体边界并协调群体与个体避障，引入群体穿越率（GCR）指标，在多种人群动力学模型下验证了反应式与学习型方法的非对称性效果。
2026-05-28 cs.RO cs.SY eess.SY
A New Path: Scaling Vision-and-Language Navigation with Synthetic Instructions and Imitation Learning
Google Research（谷歌研究院）；New York University（纽约大学）；Carnegie Mellon University（卡内基梅隆大学）；Apple（苹果公司）
本文提出利用合成导航指令和GAN生成新视角图像构建大规模VLN数据集，并通过模仿学习训练Transformer智能体，在RxR上显著超越现有RL方法。
2023-04-17 cs.CL cs.CV cs.LG
VLFM: Vision-Language Frontier Maps for Zero-Shot Semantic Navigation
Georgia Institute of Technology（佐治亚理工学院）
本文提出零样本语义导航方法 VLFM，通过深度占据地图、视觉-语言价值地图与前沿选择实现对象目标导航，并在三个仿真基准达到 SPL 最优且成功部署于 Spot。
2023-12-06 cs.AI cs.RO
