arXiv cs.AI· Delun Li, Xueyao Wei, Rui Chen, Yifei Wang, Junzhi Yu, Wenjie Song, Xingyu Chen·· 3 天前AI 评分26
MultINav-Bench：超越可达性的交互式导航基准与 MultINav-Agent 智能体框架
Interactive Navigation Beyond Reachability: Benchmark and Agentic Framework
AI 导读
研究者提出 MultINav-Bench，一个基于 MolmoSpaces 的 3K episode ObjectGoal 基准，覆盖通道、容器及混合任务，并附带交互必要性标注，评估协议分别衡量导航成功率、交互有效性与成本。
正文 · AI 翻译
摘要：现有的具身导航任务通常假设在一个回合中可通行性和物体状态保持不变。然而，到达目标可能需要打开一扇门以进入房间，然后打开一个容器以露出隐藏的目标。我们提出了超越可达性的交互式导航，统一了通道引起的空间连通性变化、容器引起的目标可见性变化及其顺序依赖关系。我们引入了 MultINav-Bench，这是一个在 MolmoSpaces 中包含 3K 回合的 ObjectGoal 基准，涵盖通道、容器和混合任务，并带有交互必要性标注，涵盖必需和不必要的回合。其数据生成流程可跨多种任务类型自动构建任务。评估协议分别衡量导航成功率、交互有效性和成本。我们进一步提出了 MultINav-Agent，这是一个基于持久、状态条件交互图的三阶段智能体框架。语义交互感知为实体和交互状态提供基础；视觉语言模型根据连通性和目标可观测性的预期变化选择任务相关动作；交互后验证更新图以指导后续导航、探索或交互。在 MultINav-Bench 上的实验表明，MultINav-Agent 在通道、容器和混合任务中始终优于适配的基线。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| ACM 分类： | I.2.9 |
| 引用为： | arXiv:2610.17089 [cs.RO] |
| （或 arXiv:2610.17089v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17089 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Delun Li [查看电子邮件]
[v1]
2026年10月12日星期一 16:48:47 UTC（8,352 KB）
来源：arXiv cs.AI · arxiv.org