AERR-Nav：用于零样本物体导航的自适应探索 - 恢复 - 回忆策略

未知多层环境中的零样本物体导航（ZSON）极具挑战性。现有方法在平衡探索与利用方面存在不足，易导致机器人陷入困境或迷失。为此，本文提出 AERR-Nav 框架，其具备两大优势：一是自适应探索 - 恢复 - 回忆策略，使机器人能在三种状态间动态切换以应对不同场景；二是包含快慢思维模式的自适应探索状态，基于环境信息平衡探索、利用及高层推理。在 HM3D 和 MP3D 基准上的实验表明，该方法在零样本设置中达到了最先进水平。