arXiv cs.AI· Shaohao Zhu, Wensi Huang, Siqi Zhang, Yuqiang Yang, Meng Wei, Chenyang Wan, Tianle Liu, Tai Wang, Jinming Xu·· 3 天前AI 评分31
GG-Nav：面向目标的接地思维链如何激发导航基础模型的推理能力
GG-Nav: Goal-oriented Grounding Chain-of-Thought Elicits Reasoning in Navigation Foundation Models
AI 导读
GG-Nav 通过监督微调学习结构化思维链，让导航基础模型显式定位目标并累积接地证据，在 HM3D ObjectNav、VL-LN 和 CoIN 基准上成功率分别超越 SOTA 3.1%、16.6% 和 5.3%。其两阶段设计从中间帧累积证据使证据缺失失败减少 11.6%，显式接地使停止错误降低 49.4%，并已在 Unitree Go2 机器人上实现真实环境零样本泛化。
正文 · AI 翻译
摘要：新兴的强大视觉语言模型（VLM）推动了导航基础模型的发展。然而，这些模型在目标导向的导航设置中仍表现不佳。在本文中，我们首先进行了一项启发性研究，揭示关键问题在于对流式观测的利用不足以及目标定位不精确。为应对这些挑战，我们提出了 GG-Nav，一个简单而有效的导航框架，它通过监督微学习一种结构化的思维链（CoT）机制，以显式定位目标相关实例、累积定位证据，并支持更可靠的决策。具体而言，结构化 CoT 设计了两个关键阶段：（i）观测到证据，对相邻决策步骤之间的所有中间帧进行推理，以保留有用的目标相关证据；（ii）证据到决策，将当前观测与累积证据相结合，以定位目标并支持生成导航动作或澄清问题。大量实验表明，GG-Nav 在 HM3D ObjectNav、VL-LN 和 CoIN 基准上的成功率分别比最先进方法高出 3.1%、16.6% 和 5.3%。消融研究进一步表明，从中间观测中累积证据可将证据缺失失败减少 11.6%，而显式定位可将停止错误减少 49.4%。我们还将 GG-Nav 部署在 Unitree Go2 机器人上，展示了其在未见过的真实世界环境中的零样本泛化能力。
| 评论： | 22 页。项目页面：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.14541 [cs.RO] |
| （或 arXiv:2610.14541v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14541 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jinming Xu [查看电子邮件]
[v1]
2026 年 10 月 10 日星期六 03:54:19 UTC（4,886 KB）
来源：arXiv cs.AI · arxiv.org