MCNav：用于零样本目标导向导航的记忆感知动态认知地图

在复杂环境中导航到实例级目标是一个具有挑战性的问题。许多现有的零样本方法通过对整个环境进行建模并利用 大语言模型 进行场景理解来实现强大的性能。然而，此类策略主要侧重于探索新区域，而缺乏对先前探索区域的信息进行更深入的利用。因此，当在先前访问过的区域内错过或错误识别目标时，导航故障经常发生。为了解决这些限制，我们提出了 MCNav，一种具有动态认知地图的记忆感知导航框架。该地图存储了有关已探索区域中相关对象的有效可查询信息。在此记忆结构的基础上，MCNav 引入了两种记忆感知探索策略：目标重新验证，它重新评估之前看到的对象以纠正匹配失败；以及错过的目标重新探索，它根据上下文线索估计目标存在于探索区域的可能性。这些策略通过防止重复错误的黑名单机制和高置信度确认的双重检查机制进一步稳定。我们在 HM3Dv1 和 HM3Dv2 数据集上跨三个不同的任务评估 MCNav，它实现了最先进的性能，特别是在实例级目标导航任务上。