Reliability-Aware Sparse Route Memory for Round-Trip Vision-Language Navigation
作者: Bojun Long, Lingfan Bao, Tianhu Peng, Jingcheng Sun, Chengxu Zhou
分类: cs.RO
发布日期: 2026-09-28
备注: 8 pages, 4 figures
💡 一句话要点
提出可靠性感知稀疏路线记忆以解决往返视觉语言导航问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 视觉语言导航 往返导航 稀疏路线记忆 可靠性感知 机器人导航
📋 核心要点
- 现有的视觉语言导航方法通常只考虑单向任务，缺乏对往返导航的有效支持，导致在返回过程中出现失败。
- 本文提出了一种可靠性感知的稀疏路线记忆，通过记录外出轨迹并利用结构化提示进行反向查询，从而提高往返导航的成功率。
- 实验结果表明，使用该方法的在线系统在往返导航任务中的成功率显著提升，达到了55.1%，而传统方法仅为22.0%。
📝 摘要（中文）
视觉语言导航（VLN）通常被视为单向任务，但实际部署的机器人在到达目标后可能需要返回。本文研究了连续的往返VLN，并诊断了方向可观测性、偏差恢复和终止稳定性方面的失败。我们提出了一种可靠性感知的稀疏路线记忆，记录执行的外出轨迹作为有序几何锚点，并通过结构化提示、动作级仲裁和终端验证反向查询这些锚点。在50个反向配对的实验中，语言仅返回成功率为22.0%，而我们的在线系统达到了55.1%。在获取精确路线信息的情况下，相同接口的成功率为86.0%，表明有效的返回需要准确的信息和对该信息的一致行动。剩余的在线差距主要源于几何证据的不可靠性。
🔬 方法详解
问题定义：本文旨在解决往返视觉语言导航中的方向可观测性、偏差恢复和终止稳定性等问题。现有方法在返回过程中常常失败，缺乏有效的支持。
核心思路：我们提出了一种可靠性感知的稀疏路线记忆，记录执行的外出轨迹作为几何锚点，并通过结构化提示和动作级仲裁进行反向查询，以提高导航的可靠性。
技术框架：该方法的整体架构包括三个主要模块：稀疏路线记忆模块、反向查询模块和验证模块。稀疏路线记忆模块负责记录外出轨迹，反向查询模块通过结构化提示进行查询，验证模块确保返回的稳定性。
关键创新：最重要的创新在于引入了可靠性感知的稀疏路线记忆，能够有效区分信息质量、行为一致性和在线可靠性，解决了往返导航中的多个限制。
关键设计：在设计中，我们设置了特定的损失函数以优化轨迹记录的准确性，并采用了结构化提示来增强反向查询的有效性。网络结构方面，采用了适应性模块以处理不同的导航场景。
🖼️ 关键图片
📊 实验亮点
实验结果显示，使用我们提出的在线系统，往返导航的成功率达到了55.1%，相比于语言仅返回的22.0%有显著提升。此外，在获取精确路线信息的情况下，成功率更是高达86.0%，表明信息质量和行为一致性对导航成功至关重要。
🎯 应用场景
该研究的潜在应用领域包括服务机器人、无人驾驶汽车和智能家居系统等，能够显著提升机器人在复杂环境中的导航能力，尤其是在需要往返的场景中。未来，随着技术的进步，该方法有望在更广泛的机器人应用中得到推广，提升自动化水平。
📄 摘要（原文）
Vision-language navigation (VLN) is typically evaluated as a one-way task, although deployed robots may need to return after reaching a goal. We study continuous round-trip VLN and diagnose failures in directional observability, deviation recovery, and termination stability. We propose a reliability-aware sparse route memory that records the executed Outbound trajectory as ordered geometric anchors and queries them in reverse through a structured hint, action-level arbitration, and terminal verification. On 50 reverse-paired episodes using NaVILA and a simulated Unitree Go2, language-only Return succeeds in 22.0% of episodes, while our online system reaches 55.1%. With exact route information, the same interfaces achieve 86.0%, showing that effective Return requires both accurate information and consistent action on that information. The remaining online gap arises mainly from geometric evidence that is too unreliable to authorise intervention. These results distinguish information quality, behavioural consistency, and online reliability as separate limits in long-horizon navigation.