通过智能体框架增强基础模型，推进长程实体世界导航

研究团队于2026年8月31日提出NavMCP智能体脚手架框架，通过将视觉语言模型（VLM）与导航基础模型（NFM）解耦协同，有效推进了实体世界中的长程导航与具身探索能力。

• 双模型解耦协同架构：由VLM作为高层推理中枢决定线索搜索意图与停止时机，NFM作为底层执行器完成闭环导航，无需对两类基础模型重新训练即可实现协同。
• 三重信息交互通道：设计意图转换（将证据需求转化为导航指令）、观测提炼（将执行轨迹解析为可信环境证据）与记忆累积（汇总发现、负向证据与未决目标）三个交互通道维持任务上下文。
• 基准测试与真机实测：在HM-EQA、MT-HM3D等具身问答基准上取得优异表现，并在宇树Go2机器狗真机实验中达到78.3%的探索成功率，任务跨度越长相比基线的优势越明显。
• 影响/看点：该架构展示了无须重新端到端训练即能组合多模态大模型与具身移动执行器的新范式，但其在复杂多变的物理世界中规模化部署仍受限于底层执行器的避障鲁棒性与高层推理的即时延迟。
• 资料依据：
• Hugging Face（2026-08-31）：https://huggingface.co/papers/2608.30396
• arXiv（2026-08-31）：https://arxiv.org/abs/2608.30396

本内容由 AI 生成，仅供参考，请注意甄别