摘要
针对现有免训练视觉语言导航代理因贪婪前沿选择和被动空间记忆导致的低效问题，本文提出 MetaNav。该代理集成空间记忆、历史感知规划与反思性修正机制：构建持久 3D 语义地图，惩罚重复访问以提升效率，并利用大语言模型检测停滞生成修正规则指导未来探索。实验表明，MetaNav 在多个基准上达到最先进水平，同时减少逾 20% 的查询量，证明元认知推理显著提升鲁棒性与效率。
AI 推荐理由
论文提出元认知导航代理，核心在于历史感知规划与反思性修正机制，显著优化任务执行策略。
研究机构
Central South University
Changsha, China
Nanjing University
Nanjing, China
State Grid Hubei Electric Power Research Institute
Wuhan, China
Dongguan University of Technology
Dongguan, China
论文信息