ViTL：基于视觉 - 语言模型的时序逻辑引导零样本自然语言导航

使机器人遵循自然语言指令完成零样本长程任务极具挑战，需提取隐含的时序与逻辑约束并执行多个子任务。现有方法局限于单目标，无法处理含时序约束的多目标指令。本文提出 ViTL 框架：在任务层，利用大语言模型将指令编译为线性时序逻辑公式并转换为确定有限自动机，以协调多通道价值图并触发动态重规划；在导航层，引入方向评分机制，从视觉 - 语言模型中提取各前沿方向的得分。实验表明，该框架能有效完成具时序约束的零样本长程导航任务，并提升单目标导航的准确率与效率。