MA-CoNav：一种面向长程具身视觉语言导航的主从多智能体框架，具备分层协作与双层反思机制

视觉语言导航（VLN）旨在赋予机器人在陌生环境中依据复杂指令进行长程导航的能力。针对单智能体在复杂长距离任务中因认知过载导致的感知失真与决策漂移问题，本文提出 MA-CoNav 多智能体协作框架。该框架采用“主 - 从”分层架构，将感知、规划、执行与记忆功能解耦并分配给专用智能体：主智能体负责全局编排，从智能体组分工协作，其中规划智能体专门负责任务分解与动态验证。此外，框架引入“局部 - 全局”双层反思机制以优化导航流程。实验表明，该方法在多项指标上优于现有主流 VLN 方法。