假设图精炼：用于具身导航的级联误差校正假设驱动探索

针对具身智能体在部分观测环境中长程记忆不可靠的问题，本文提出假设图精炼（HGR）框架。该方法将前沿预测表示为可修正的假设节点，构建依赖感知图记忆。通过语义假设模块评估上下文条件分布以排序探索目标，并利用验证驱动的级联校正机制，在新证据矛盾时回溯错误节点及其下游依赖。实验表明，该框架有效剪枝冗余假设，显著减少错误区域重访，提升了多模态终身导航与问答任务的性能。