视觉-语言导航（Vision-and-Language Navigation, VLN）作为具身智能的关键任务，要求智能体在未知三维环境中，仅凭自然语言指令与连续视觉输入完成自主导航。近年来，多模态大语言模型（MLLM）显著提升了VLN的语义理解能力，但其普遍

导航 范式 记忆 语义 janusvln 2025-10-10 17:51  6