ReflectVLN：利用反思推理训练视觉语言导航智能体

现有视觉语言导航方法常缺乏跟踪语义进度及从错误中恢复的闭环机制。为此，本文提出 ReflectVLN 框架，通过意图与执行智能体的双向交互组织决策。意图智能体负责子任务分解与反思，生成修正计划；执行智能体则将计划落地为短期动作并监控进度。该框架实现了闭环双向通信：执行端触发反思，意图端提供结构化指导以恢复路径。此外，引入动作思维链（Action-CoT）训练方案以增强决策的时间连贯性与可解释性。实验表明，该方法在有限数据下显著提升了成功率与路径效率。