Foresight：针对关键线索的迭代推理以用于导航

本文针对开放世界无地图导航中目标未明确及环境线索推断难题，提出 Foresight 框架。该方法利用微调的视觉语言模型（VLM），在测试时交替生成图像空间运动计划并结合语言目标与视觉上下文进行批评，实现迭代式运动细化。此外，通过人类反馈学习奖励模型，利用强化学习对齐计划优化过程。实验表明，该方法在真实环境中显著提升了任务成功率并减少了人工干预，实现了实时运行。