ConsistNav：通过语义执行控制缩小零样本对象导航中的动作一致性差距

零样本对象导航凭借开放词汇检测器、图像文本模型和语言引导探索而迅速发展。然而，即使在当前的方法检测到合理的目标假设之后，智能体仍然可能在探索和追踪之间摇摆，或者放弃接近成功的目标。我们将这种失败模式识别为行动一致性差距：语义证据在每一步都被反复重新解释，而没有在整个事件中持续承诺。我们介绍 ConsistNav，一个 无需训练 零样本 ObjectNav 框架，围绕由三个协调模块组成的语义执行程序构建：有限状态执行控制器通过受保护的语义阶段进行目标追踪；持久候选记忆将跨框架目标证据积累成稳定的对象假设；稳定性感知动作控制可抑制旋转停滞、无效追踪和未经验证的停止。这种设计既没有改变检测器，也没有改变底层规划器；相反，它控制语义证据何时应影响导航以及何时应被抑制或重新访问。我们在 HM3D 和 MP3D 上进行了广泛的实验，其中 ConsistNav 在零样本 ObjectNav 方法中取得了最先进的结果，并且比 MP3D 的受控基线将 SR 提高了 11.4%，将 SPL 提高了 7.9%。消融研究和现实世界的部署实验进一步证明了所提出的执行机制的有效性和鲁棒性。