DART-VLN：用于离散视觉语言导航的测试时记忆衰减与防循环正则化

针对基于记忆的离散视觉语言导航（VLN）智能体在部分可观测环境下的测试时脆弱性，本文提出 DART-VLN 框架。该框架无需训练，结合“测试时记忆衰减”规则以抑制过时证据，以及“防循环正则化”机制以减少无效回溯。实验表明，该方法在不改变主干网络的前提下，显著缩短轨迹、降低运行时间并提升导航性能，证实了适度的测试时控制能有效增强记忆型智能体的可靠性与效率。