像人类一样探索：具身智能体通过在线 SG-Memo 构建实现自主探索

构建结构化空间记忆对于复杂具身导航任务中的长程推理至关重要。现有方法多采用解耦的两阶段范式，即先探索后离线重建，导致无法利用高层语义智能而忽略关键地标。为此，本文提出 ABot-Explorer 框架，将记忆构建与探索统一为在线过程。该方法利用大视觉语言模型提取语义导航可供性作为认知锚点，动态整合至分层 SG-Memo 中，模拟人类探索逻辑以优先覆盖结构转换节点。实验表明，该方法在探索效率和环境覆盖率上显著优于现有技术，且生成的记忆能有效支持多种下游任务。