DART-VLN: Test-Time Memory Decay and Anti-Loop Regularization for Discrete Vision-Language Navigation

📄 arXiv: 2607.01043v1 📥 PDF

作者: Shaoheng Zhang, Zhichen Li, Jie Mei

分类: cs.RO, cs.AI

发布日期: 2026-07-01

备注: Accepted by the 2026 IEEE International Conference on Systems, Man, and Cybernetics (IEEE SMC 2026). Camera-ready version

💡 一句话要点

提出DART-VLN以解决离散视觉语言导航中的测试时控制问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 视觉语言导航 记忆衰减 反循环正则化 测试时控制 路径效率

📋 核心要点

  1. 现有的记忆基础离散视觉语言导航方法在测试阶段容易受到过时信息的影响，导致性能下降。
  2. DART-VLN通过引入测试时记忆衰减和反循环正则化，旨在提高导航代理在测试阶段的稳定性和效率。
  3. 实验结果显示，DART-VLN在多个基准测试中显著提升了导航性能，尤其是在减少局部回溯和提高路径效率方面。

📝 摘要（中文）

基于记忆的离散视觉语言导航（VLN）代理在部分可观测环境中执行任务时面临挑战，尤其是在测试阶段。现有方法在记忆读取时容易受到过时历史证据的影响，并且在动作选择时存在低效的局部回溯问题。本文提出DART-VLN，一个无训练的测试时控制框架，结合了测试时记忆衰减和反循环正则化。该框架无需引入新的可学习参数，且不改变已学习的骨干网络。实验结果表明，DART-VLN在R2R和REVERIE数据集上表现出色，尤其是结合衰减和反循环正则化时，能够实现更短的轨迹、更低的运行时间和更好的导航性能。

🔬 方法详解

问题定义：本文旨在解决基于记忆的离散视觉语言导航（VLN）代理在测试阶段的性能下降问题，尤其是由于过时信息和低效回溯导致的导航不稳定性。

核心思路：DART-VLN通过测试时记忆衰减和反循环正则化来优化代理的决策过程，抑制过时证据的影响，并减少不必要的动作回退，从而提高导航效率。

技术框架：该框架包括两个主要模块：测试时记忆衰减模块用于调整记忆读取的权重，反循环正则化模块用于在动作选择时施加惩罚，防止立即反向动作。

关键创新：DART-VLN的创新在于无需引入新的可学习参数，同时通过简单的规则改善了记忆的使用效率，与传统方法相比，显著提升了导航性能。

关键设计：在设计中，记忆衰减模块通过重新加权读取的记忆内容来抑制过时信息，而反循环正则化则通过轻量级的惩罚机制来减少局部回溯，确保代理在选择下一个动作时更加高效。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果表明，DART-VLN在R2R和REVERIE数据集上实现了显著的性能提升，特别是结合衰减和反循环正则化时，导航代理的轨迹更短，运行时间更低，整体导航性能提升明显，展示了良好的质量效率平衡。

🎯 应用场景

DART-VLN的研究成果可广泛应用于机器人导航、智能助手和自动驾驶等领域，提升这些系统在复杂环境中的决策能力和效率。未来，该方法有望进一步推动视觉语言理解和多模态交互的研究进展。

📄 摘要（原文）

Memory-based discrete vision-language navigation (VLN) agents must act under partial observability, yet even strong frozen backbones remain vulnerable at test time. Two common failure modes are stale historical evidence at memory readout and inefficient local backtracking during action selection. We present DART-VLN, a training-free test-time control framework for discrete VLN. DART-VLN combines Test-Time Memory Decay, a read-side memory reweighting rule that suppresses stale and redundant evidence without rewriting stored content, with Anti-Loop Regularization, a lightweight next-hop penalty that discourages immediate reversals during action selection. The framework introduces no new learnable parameters and leaves the learned backbone unchanged. Experiments on R2R and REVERIE show a consistent pattern: decay-only provides stable read-side gains, while decay+anti-loop achieves the best overall quality-efficiency trade-off, yielding shorter trajectories, lower runtime, and improved navigation performance in key settings. Behavioral analysis further confirms that anti-loop regularization reduces local backtracking and improves path efficiency under frozen backbones. Overall, the results show that modest test-time control can make memory-based discrete VLN more reliable and efficient without retraining.