arXiv cs.AI· Xueyao Wei, Yifei Wang, Delun Li, Shaoan Wang, Junzhi Yu, Wenjie Song, Xingyu Chen·· 3 天前AI 评分22
MemoryVLN：从自我感知记忆表示到视觉语言导航中的跨上下文记忆复用
MemoryVLN: From Ego-Aware Memory Representation to Cross-Context Memory Reuse in Vision-Language Navigation
AI 导读
针对大型视觉语言模型在长时程视觉语言导航中因上下文长度限制、历史观测冗余和空间对齐不稳定导致性能下降的问题，研究者提出 MemoryVLN 记忆驱动导航系统，通过长序列压缩、自我感知记忆表示、分层记忆库与记忆增强机制，将原始导航历史转化为紧凑、空间锚定且可选择性检索复用的导航经验。
正文 · AI 翻译
摘要：大型视觉语言模型（LVLM）在具身视觉语言导航（VLN）中展现出强大潜力，但由于上下文长度限制、冗余的历史观测以及跨时间不稳定的空间对齐，其性能在长时程轨迹上会下降。这些问题使得既难以压缩长导航历史，也难以可靠地复用过去的空间经验。为解决这些局限，我们提出 \textbf{MemoryVLN}，一个围绕记忆构建与管理构建的统一记忆驱动导航系统。在记忆构建阶段，\emph{长序列压缩}采用受遗忘曲线启发的时间采样，在有限的 token 预算下保留密集的近期证据以及稀疏但具有代表性的远期观测。\emph{自我感知记忆表示}进一步整合 2D 语义 token、3D 几何 token 和 6D 智能体位姿，使每条记忆既能编码观测到了什么，也能编码在哪里观测到。在记忆管理阶段，\emph{分层记忆库}通过跨上下文热启动和置信度控制的回写来维护回合内记忆和上下文级记忆。随后，\emph{记忆增强}根据当前导航状态检索 Top-$K$ 相关记忆，并将其与当前视觉 token 融合。这些机制共同将原始导航历史转化为紧凑、具有空间依据、可选择性检索且可复用的导航经验。在 R2R-CE 和 RxR-CE 上的大量实验表明，相比最先进的基线方法取得了一致且显著的提升（即成功率分别提升 2\% 和 6.5\%）。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.18478 [cs.RO] |
| （或 arXiv:2610.18478v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18478 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xueyao Wei [查看邮箱]
[v1]
2026年10月13日星期二 14:40:04 UTC（13,706 KB）
来源：arXiv cs.AI · arxiv.org