DA-Nav：方向感知城市规模视觉语言导航

目前，城市规模的户外导航因严重依赖密集地图或昂贵的导航监管而受到阻碍。在这项工作中，我们引入了一种利用商业导航工具（例如谷歌地图）的方向指令的新颖范例。为了弥合商业指令和可执行导航操作之间的差距，同时通过稳健的轨迹恢复来减轻长视野误差累积，我们提出了 DA-Nav，一种方向感知视觉语言导航框架，它将导航重新表述为第一人称的 2D 图像平面上的离散空间定位问题。为了实现轨迹恢复，DA-Nav 采用了思想链 (CoT) 推理过程，包括偏差评估、动作预测和目标网格选择。我们进一步介绍了 ReDA，这是一个提供方向感知指令和恢复轨迹的数据集，以增强空间定位并支持 CoT 恢复推理。 CARLA 的大量实验表明，DA-Nav 在看不见的城市环境中实现了 56.16% 的高成功率，优于现有的最先进 (SoTA) 方法，同时保持了更强的恢复能力。此外，在没有微调的情况下，DA-Nav可以无缝适应四足机器人和人形机器人，从而在复杂的现实世界环境中实现稳定的公里级闭环户外导航。