AAAI2026 | 深大团队让机器人听懂指令精准导航！成功率可达72.5%，推理效率提升40%（

1.深大机器人工程

让机器人听懂指令，精准导航再升级！深圳大学李坚强教授团队最近联合北京理工莫斯科大学等机构，提出视觉-语言导航（VLN）新框架——UNeMo。

2.深圳大学智能机器人研究中心

通过多模态世界模型与分层预测反馈机制，能够让导航智能体不仅可以看到当前环境，还能预测接下来可能看到的内容，并据此做出更聪明的决策相比主流方法，UNeMo可大幅度降低资源消耗，在未见过的环境中导航成功率可达72.5%，尤其是在。

3.深圳大学机器人与智能装备

长轨迹导航中表现突出。目前，该论文已入选AAAI2026。

4.深圳大学生机器人大赛

以下是更多详细内容语言推理与视觉导航的“脱节困境”作为Embodied AI的核心任务之一，视觉-语言导航要求智能体仅凭视觉图像和自然语言指令，在未知环境中自主完成目标导航而随着大语言模型（LLM）的兴起，基于LLM的导航方法虽取得进展，但仍面临两大关键瓶颈：。

5.深大人工智能实验中心

推理模态单一：现有方法仅依赖语言推理，缺乏对视觉环境状态的预判能力，难以应对复杂场景的动态变化；优化目标冲突：推理模块与导航策略分开训练，导致两者适配性差，无法实现动态协同优化，存在性能瓶颈双模块协同打造“预判 决策”闭环。

6.深圳大学机器人

于是研究团队提出了UNeMo框架，其核心突破在于构建了“多模态世界模型（MWM） 分层预测反馈导航器（HPFN）”的双向协同架构，将视觉状态推理与导航决策深度绑定，从根本上解决现有方法的脱节问题基于多模态世界模型的未来视觉状态预测。

7.深圳大学机器人工程在哪个学院

MWM基于条件变分自编码器构建，核心是精准预判未来视觉状态它能够接收当前视觉特征、语言指令与候选导航动作，通过跨注意力机制融合多模态信息，填补现有方法”只看当下”的局限而且无需额外标注数据，就能通过导航决策结果反向反馈，持续优化预测精度，形成自适应进化循环。

8.深圳大学机器人专业

高效分层预测反馈导航器的实现HPFN采用两阶段分层机制兼顾效率与精度：先基于当前视觉-语言特征生成粗粒度候选动作（a’）锁定导航方向，再融合MWM预测的未来视觉状态优化出细粒度动作（a’’）修正偏差，让智能体在复杂场景中稳健导航。

9.深圳大学机器人工程专业怎么样

推理与决策的动态闭环赋能UNeMo这一通用导航架构最核心的突破在于构建了“推理-决策”相互赋能的闭环优化MWM的视觉预判为导航提供前瞻信息，提升决策精准度；导航的实际执行结果则实时反馈给MWM，优化其预测准确性。

10.2021年深圳大学生机器人大赛

这种双向促进让智能体在导航中持续迭代，解决传统LLM-based VLN方法中推理与决策分离的痛点实验表现为全面验证UNeMo框架的核心价值，团队设计了全面的实验评估方案：从核心场景的性能与效率双优验证，到复杂场景的鲁棒性突破，再到跨基线、跨数据集的可拓展性验证，层层递进展现架构优势。

1、核心场景突破：R2R数据集上LLM-based方法的效率与性能双优在VLN领域核心数据集R2R的实验中，UNeMo在轻量化配置与高性能决策的平衡上实现了关键突破其采用的FlanT5-1.5B模型参数规模仅为主流方法NavGPT2所用FlanT5-5B的。

30%，但在资源消耗上实现了大幅优化——训练时GPU显存占用从27GB降至12GB，减少56%；推理速度从每步1.1秒提升至0.7秒，效率提升40%这种 “降参不降能” 的特性，对VLN方法的工程化落地意义重大。

同时，UNeMo在核心性能指标上仍实现了对主流方法的超越在模型未见过的测试环境（test unseen）中，其导航成功率（SR）达到72.5%，较NavGPT2的71% 提升1.5个百分点；路径效率（SPL）从60%提升至61.3%。

2、复杂场景鲁棒性：长路径导航的显著优势为验证UNeMo在复杂场景的适应能力，团队重点测试其预探索机制对长距离导航鲁棒性的提升，在val-unseen数据集上对比UNeMo与NavGPT2在不同路径长度下的表现。

结果显示，UNeMo的优势在长轨迹导航中尤为突出：短路径（长度＜7）的导航成功率（SR）仅微增1.2%（从71.1%至72.3%）；而长路径（长度≥7）的SR大幅提升5.6%（从64.2%至69.8%），提升幅度是短路径的

4.7倍这证明UNeMo的多模态预判与分层决策机制，能有效缓解长距离导航中的累积误差，解决传统方法在长轨迹任务中性能衰减的痛点3、跨场景可拓展性：多基线与多数据集的全面验证为进一步验证UNeMo协同训练架构的通用性与可拓展性，团队将其迁移至不同类型的导航基线（DUET）与目标导向导航数据集REVERIE，开展跨场景验证。

实验结果显示，其在unseen场景的导航成功率（SR）与远程目标定位成功率（RGS）指标上均有提升这表明UNeMo的协同训练架构并非局限于LLM-based基线，而是能灵活适配不同类型的导航系统，在不同任务场景中释放价值，验证了其强可拓展性。

总的来说，UNeMo针对传统VLN方法推理与决策脱节、资源消耗高的问题，以 “多模态世界模型 分层预测反馈导航器” 协同架构破解痛点其轻量化配置具备高性能、长路径导航稳健、跨场景适配性强的优势，为VLN提供高效可行方案，助力服务机器人等实际场景落地，推动VLN领域发展。

论文链接：https://arxiv.org/abs/2511.18845