HRNav：分层推理图像目标导航框架提出

2026年10月20日，arXiv Robotics 刊出 Pengna Li 等作者的工作，提出分层推理图像目标导航框架 HRNav。该框架把图像目标导航拆分为高层规划与底层执行：视觉语言模型在自采数据集上训练，生成“穿门还是走走廊”这类短时程计划，再由在线强化学习策略据此决定动作。作者另提出 Wandering Suppression Penalty（WSP）以减少智能体徘徊。仿真与真实环境实验均显示，该方法优于现有端到端导航策略。该工作已被 ACL2026 接收为 Oral。目前报道未披露训练数据规模、实验环境数量、对比基线清单及 WSP 的具体参数设置，也未说明代码或模型是否公开。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。