MessyNav：在杂乱环境中通过操作实现零样本导航

MessyNav 是一个基于视觉语言模型（VLM）的零样本框架，用于开放世界交互式导航，在任务规划前先做显式的 VLM 可供性推理，判断对物体是推开、拾起还是避开。在移动操作机器人于真实室内外环境的试验中，其成功率比最强基线高 27 个百分点，并在更大规模离线评测中取得统计显著提升，且无需任务特定训练。