EvolveNav: Proactive Preflection and Self-Evolving Memory for Zero-Shot Object Goal Navigation
作者: Qi Chai, Wenhao Shen, Nanjie Yao, Yue Xia, Kaiyong Zhao, Jie Ma, Guosheng Lin, Hao Wang
分类: cs.AI
发布日期: 2026-06-16
💡 一句话要点
提出自演化框架以解决零-shot目标导航问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 零-shot导航 自演化记忆 智能体决策 预反思模块 上置信界策略
📋 核心要点
- 现有的零-shot目标导航方法依赖静态先验，缺乏适应性，导致重复错误和高昂的试错成本。
- 本文提出了一种自演化的ZS-OGN框架，通过提取过去的轨迹知识构建智能规则记忆，并引入记忆引导的预反思模块。
- 实验结果显示，所提方法在成功率上比现有基线提高了10.1%，并有效减少了不必要的探索步骤。
📝 摘要（中文）
零-shot目标导航（ZS-OGN）要求智能体在没有任何先前训练的情况下探索并定位目标物体。现有方法通常依赖静态先验，缺乏适应性，导致重复错误和高昂的试错成本。本文提出了一种自演化的ZS-OGN框架，支持持续的测试时改进。我们通过提取过去轨迹中的可操作知识构建了智能规则记忆，并提出了一种基于上置信界的检索策略，通过平衡语义相关性和历史成功率选择有效规则。此外，我们引入了记忆引导的预反思模块，在行动前预测潜在结果，从而减少低效探索。大量实验表明，我们的方法在成功率上比现有零-shot基线提高了10.1%，并减少了不必要的步骤。
🔬 方法详解
问题定义：本文旨在解决零-shot目标导航中智能体缺乏适应性的问题。现有方法通常依赖静态先验，导致在新环境中表现不佳，频繁出现错误和试错成本高昂。
核心思路：我们提出了一种自演化的框架，通过构建智能规则记忆和引入记忆引导的预反思模块，使智能体能够在测试阶段持续改进其导航策略。这样的设计使得智能体能够根据历史经验进行有效的决策，减少低效探索。
技术框架：整体架构包括三个主要模块：智能规则记忆模块、基于上置信界的规则检索策略和记忆引导的预反思模块。智能规则记忆模块提取可操作知识，检索策略选择有效规则，而预反思模块则在行动前预测潜在结果。
关键创新：最重要的创新点在于引入了自演化的记忆机制和预反思模块，使得智能体能够在没有先前训练的情况下，基于历史成功经验进行动态调整，这与现有方法的静态特性形成鲜明对比。
关键设计：在设计中，我们采用了上置信界策略来平衡规则的语义相关性和历史成功率。此外，记忆模块的构建依赖于过去轨迹的有效提取，确保智能体能够快速适应新环境。损失函数和网络结构的具体细节在实验部分进行了详细描述。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提方法在成功率上比现有零-shot基线提高了10.1%，同时减少了不必要的步骤。这一显著提升证明了自演化记忆和预反思模块在提高导航效率方面的有效性。
🎯 应用场景
该研究的潜在应用领域包括自主机器人导航、智能家居系统和增强现实等场景。通过提高智能体在未知环境中的导航能力，该方法能够显著提升机器人在复杂任务中的表现，具有广泛的实际价值和未来影响。
📄 摘要（原文）
Zero-Shot Object-Goal Navigation (ZS-OGN) requires embodied agents to explore and locate target objects without any prior training. To this end, recent methods leverage foundation models. But they typically rely on static priors and lack adaptation, which leads to repeated errors and costly trial and error. In this paper, we propose a self-evolving ZS-OGN framework that enables continuous test-time improvement. Specifically, we build an agentic rule memory by extracting actionable knowledge from past trajectories. Then, we propose a retrieval strategy based on upper confidence bound, selecting effective rules by balancing semantic relevance and historical success. In addition, we introduce a memory-guided preflection module that forecasts potential outcomes before action, reducing inefficient exploration. Extensive experiments show that our method outperforms existing zero-shot baselines, achieving a 10.1\% improvement in success rate with fewer unnecessary steps.