CPNav：校准VLM动作评分的无地图目标导航

2026年11月10日，arXiv Robotics 刊出 Qizhao Chen 等作者的 CPNav 研究，提出一种面向未见环境目标搜索的无地图目标导航框架。该框架把碰撞感知规划与视觉语言模型（VLM）动作打分结合，并利用回溯式树结构探索得到的 oracle 动作，通过保形预测（CP）对打分进行离线校准，据称可在用户指定风险水平下提供有限样本保证；作者强调 CP 层与模型无关，可包裹任意 VLM 策略。评估覆盖仿真与真实硬件：在 AI Habitat 仿真中，相比未校准基线，HM3D v0.2 上成功率（SR）与路径加权成功率（SPL）相对提升 6.2% 和 11.4%，MP3D 上提升 12.4% 和 8.8%。目前进展停留在论文发布与上述自报结果，尚无独立复现或后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。