目标驱动导航技术概述 - 具身导航是具身智能的核心领域，涉及语言理解、环境感知、路径规划三大技术支柱，目标驱动导航是其最具代表性的方向，要求智能体在陌生三维环境中仅凭目标描述即可自主完成环境探索与路径规划[2] - 与传统视觉语言导航依赖显式指令不同，目标驱动导航实现了从“听懂指令走对路”到“看懂世界自己找路”的跃迁，背后凝聚着计算机视觉、强化学习与3D语义理解的交叉突破[2] 产业化落地应用 - 在终端配送场景，该技术与社交导航算法结合，使机器人能应对动态环境和人际交互，例如美团无人配送车通过动态路径重规划在复杂城市环境中执行任务，Starship Technologies的园区配送机器人已在欧美高校和社区部署[4] - 在医疗、酒店及餐饮场景，嘉楠科技、云迹科技、擎朗智能的商用服务机器人以及美国Aethon公司的TUG系列，已实现药品、文件和餐食的自主配送，有效提升服务响应效率[4] - 随着人形机器人发展，导航技术的适配性升级成为新焦点，宇树科技Unitree系列通过Habitat预训练完成基础导航任务，智元机器人在工业场景集成目标导航模块，特斯拉Optimus展示了“取放电池”等端到端操作能力，这些实践表明搭载目标导航系统的人形机器人正加速向家庭服务、护理及工业物流领域渗透[4] 技术演进与评测体系 - 基于Habitat仿真的具身导航生态完整记录了领域技术迭代轨迹，评测体系从2020年CVPR提出的点导航基准逐步扩展至图像导航、目标导航及移动抓取任务，形成覆盖空间认知到任务执行的闭环[5] - 技术进展呈现明显梯度，点导航和闭集物体导航接近人类表现，但开放词汇物体导航和动态障碍物场景仍面临重大挑战，Meta AI提出的Sim2Real迁移框架为仿真训练到真实部署提供了方法论参考[5] 三代技术路线迭代 - 第一代端到端方法基于强化学习与模仿学习框架，聚焦于设计网络结构对齐目标描述与实时观测、优化奖励函数设计加速模型收敛，该范式在点导航与闭集图片导航任务中取得突破，部分方法的SPL指标已逼近人类表现[6] - 第二代模块化方法通过显式构建语义地图将任务分解为自主探索与目标定位两个子任务，利用预训练视觉语言模型实现跨模态语义对齐，在零样本目标导航任务中展现显著优势，尤其在未见物体场景下成功率提升明显[8] - 第三代LLM/VLM融合方法引入大语言模型的知识推理能力，在探索阶段生成语义指导的探索策略，并通过视觉语言模型提升开放词汇目标匹配精度，当前研究重点在于设计场景表征接口，将3D环境特征转化为LLM可解析的上下文格式[10] 课程核心内容框架 - 课程第一章系统构建目标驱动导航的理论基础与技术谱系，重点阐释任务定义及评测基准体系，深入剖析三代技术演进路径，通过对比分析零样本推理机制、开放词汇识别等关键技术建立完整的领域认知框架[15][16] - 课程涵盖Habitat三维仿真平台技术架构解析、基于强化学习与模仿学习的端到端导航范式、模块化导航架构的语义地图构建与任务分解策略，以及大模型在导航任务中的集成范式等核心内容[17][19][21] - 课程大作业聚焦VLFM算法复现与真实场景部署，学员需实践占据地图构建、边缘探索点生成与排序、值地图生成与导航策略构建，并在复现论文效果基础上进行算法改进及实机部署探索[23][27]