TAG:机器人导航
深大团队提升机器人导航成功率至72.5%
深圳大学李坚强教授团队联合多所高校提出视觉-语言导航新框架UNeMo，通过多模态世界模型与分层预测反馈机制，让机器人能预测未来视觉状态并做出更智能的导航决策。该框架在资源消耗大幅降低的同时，在未知环境中的导航成功率可达72.5%，推理效率提升40%，尤其在长轨迹导航中表现突出，相关论文已入选AAAI2026。
0 
0 
“失忆症”的终结：NavFoM发布，机器人导航迎来“基础模型”时代
银河通用团队联合多所高校发布全球首个跨本体导航大模型NavFoM，实现无需预先建图的零样本全域导航能力。该模型突破传统技术瓶颈，支持多类型机器人在陌生环境中即时导航，大幅降低部署门槛，采用统一架构实现'一次训练，全域部署'，推动机器人导航从定制化迈向基础模型驱动的新范式。
物理世界的“通用翻译器”：NavFoM基座模型发布，机器人导航迎来统一框架
银河通用联合多所高校发布全球首个跨本体全域环视导航大模型NavFoM，该模型将视觉与语言导航、目标导向导航、视觉追踪及自主驾驶等任务整合到统一框架中。支持室内外场景零样本运行，无需额外建图，通过TVI Tokens和BATS策略增强时空理解与计算效率，适用于机器狗、无人机、汽车等多种机器人平台，标志着机器人导航领域的重大突破。
类脑感知，机器人导航新帮手
澳大利亚研究团队开发出名为LENS的类脑感知导航系统，模仿人类大脑神经元信息处理方式，让机器人在无GPS信号、能耗受限环境下实现高效自主定位。该系统采用动态视觉传感器和神经形态计算架构，能耗不到传统导航系统的10%，存储空间仅180KB，能在复杂环境中保持位置感知，为救援机器人、月球车等应用场景提供新解决方案。
突破机器人“语义鸿沟”：清华等提出NavA³让机器人导航成功率提升2.6倍
清华大学联合多家研究机构提出NavA³分层导航框架，通过全局策略和局部策略的协同工作，让机器人能够理解人类高级指令并执行复杂导航任务。该技术将导航成功率从25.2%提升至66.4%，有效解决了机器人导航中的'语义鸿沟'问题，大幅提升了机器人在真实环境中的导航效率。
