Object Navigation Memory Mechanism Zero-Shot Learning Agent Control
摘要

零样本物体导航虽进展迅速,但代理常在探测目标后陷入探索与追逐的振荡,或在临近成功时放弃。本文将此归因为“动作一致性差距”,即缺乏跨步骤的持久承诺。为此,我们提出 ConsistNav,一种无需训练的框架,其核心为包含三个模块的语义执行器:有限状态执行控制器分阶段管理目标追逐;持久候选记忆将跨帧证据累积为稳定假设;稳定性感知动作控制抑制无效行为。该方法不改变底层检测器或规划器,仅调控语义证据的介入时机。实验表明其在 HM3D 和 MP3D 上达到最先进水平,显著提升了成功率与路径效率。

AI 推荐理由

论文核心提出“持久候选记忆”模块,解决语义证据跨帧累积与一致性承诺问题。

研究机构
Sun Yat-sen University The University of Hong Kong Hong Kong University of Science and Technology (Guangzhou) City University of Hong Kong
论文信息
作者 Haosen Wang, Zhenyang Li, Yinqiang Zhang, Zongqi He, Lutao Jiang et al.
发布日期 2026-05-11
arXiv ID 2605.09869
相关性评分 8/10 (高度相关)