NavVerse（CoRL 2026）：200 场景 / 1 万条 episode 的室内→室外连续导航基准——最强零样本 VLA 仅 11.6%，出门后成功率腰斩

视频加载中

视频加载中

密歇根大学 CURLY 实验室（@GhaffariMaani）发布 CoRL 2026 工作 NavVerse（171 秒演示视频）：研究「今天的机器人能不能走出门、在外面把事办成」。任务是「找个能吃到汉堡和薯条的地方」这类朴素请求——需要离开建筑、跨入完全不同的室外环境、理解什么样的场所满足请求、再真实地走过去。NavVerse 把这条链路放进基于物理的仿真里评测：200 个场景（100 室内 + 50 室外城市 + 50 室内外连通，用「门到立面」装配让机器人无传送地从走廊走进街道）、10,000 条 episode、三类任务（ObjNav 物体导航、VLN 语言指令导航、以及新提出的 PlaceNav 场所级导航），全部通过可执行机器人接口（模拟 Spot 四足 + RGB-D）评测，指标覆盖成功（SR/SPL）、效率（CE）与安全（CR/ADO/NSR）。四个零样本基线（模块化、RL、VLA、VLA-RL）结果残酷：最强 VLA UniNaVid 只有 11.62%（ObjNav）/11.38%（PlaceNav）/10.67%（VLN），且从纯室外到室内外连通场景 PlaceNav 暴跌 17.65%→3.64%（绝对降 14.01 点）；25–48% 的连通 episode 根本没能走出室内，出门后所有方法覆盖效率一致下降（原地打转）。论文、项目页与代码均已开源。