arXiv cs.AI· Junhyuk Kwon, Seungjoon Lee, Hyejin Park, Kyle Min, Jungseul Ok·· 11 小时前AI 评分27
ProCompNav：用比较判断主动澄清模糊指令的实例导航框架
ProCompNav: Proactive Instance Navigation with Comparative Judgment for Ambiguous User Queries
AI 导读
ProCompNav 是一个两阶段框架，先构建候选池，再通过递归比较判断（RCJ）迭代缩小范围：每轮选出一组能区分候选的属性-值对，向用户提二元问题并剔除不一致候选，无需目标独有属性。在交互式导航基准上，它显著提升成功率并缩短用户回复长度；在非交互式基准上取得所评估方法中最高成功率。两项人类研究显示，用户更偏好其二元问题而非开放式提问，也更喜欢批量呈现而非交错交互。
正文 · AI 翻译
摘要：在人机交互中，具身智能体应通过主动澄清来解决用户请求中的歧义，同时保持较低的用户负担。我们在交互式实例导航中研究这一挑战，其中智能体必须在相似物体中识别并到达用户意图的目标。现有方法提出开放式问题，并选择与累积的用户提供信息高度匹配的候选对象。然而，这一过程可能需要冗长的用户回答，并导致智能体在未区分目标与干扰物的情况下做出过早决策。为解决这些局限，我们提出带比较判断的主动实例导航（ProCompNav），这是一个两阶段框架，首先构建候选池，然后通过递归比较判断（RCJ）识别目标。RCJ 通过选择能划分候选对象的属性-值对、向用户提出二元问题并移除不一致的候选对象来迭代缩小候选池，且不要求存在目标独有的属性。ProCompNav 在交互式导航基准上显著提高了成功率并缩短了响应长度，并在非交互式基准上取得了所评估方法中最高的成功率。在两项人类研究中，参与者更偏好 ProCompNav 的二元问题而非开放式问题，也更偏好其批量交付而非交错交互。我们的结果凸显了在设计具身智能体时需同时考虑任务性能和用户友好交互策略。
| 评论： | 被 NeurIPS 2026（Oral）接收，项目页面：此 https URL 代码：此 https URL |
| 主题： | 人工智能（cs.AI）；机器人学（cs.RO） |
| 引用为： | arXiv:2605.06223 [cs.AI] |
| （或 arXiv:2605.06223v5 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.06223 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Junhyuk Kwon [查看邮箱]
[v1]
2026年5月7日星期四 13:19:03 UTC（1,271 KB）
[v2]
2026年5月8日星期五 13:20:32 UTC（1,269 KB）
[v3]
2026年5月15日星期五 10:32:27 UTC（2,094 KB）
[v4]
2026年9月29日星期二 17:45:21 UTC（2,601 KB）
[v5]
2026年11月5日星期四 18:29:02 UTC（4,232 KB）
来源：arXiv cs.AI · arxiv.org