分层语义增强导航：用于视觉语言导航的最优传输与图驱动推理

针对连续环境下的视觉语言导航（VLN-CE）挑战，本文提出分层语义增强导航（HSAN）框架。该框架包含三大创新：首先，构建动态分层语义场景图，实现多粒度空间推理；其次，利用基于最优传输理论的拓扑规划器，平衡语义相关性与空间可达性以选择长期目标；最后，采用图感知强化学习策略执行底层控制。实验表明，HSAN 在多个数据集上取得了最先进的性能，显著提升了导航成功率及泛化能力。