#相关技术 (6)

NavVerse：室内到室外连续具身导航基准——最强零样本 VLA 成功率仅 11.6%，跨越门槛后腰斩

密歇根大学 CURLY 实验室（CoRL 2026）发布 NavVerse：第一个把「室内→室外」连续具身导航放进物理仿真的基准。200 个场景（100 室内 + 50 室外城市 + 50 室内外连通）、10,000 条 episode、三类任务（ObjNav / VLN / 新提出的 PlaceNav 场所级导航）。场景建在 Isaac Sim 上，同时具备照片级视觉与可执行机器人动力学；室内外连通场景用「门到立面」装配，让机器人在同一物理世界无缝从走廊走进街道。评测覆盖成功（SR/SPL）、效率（CE 覆盖效率）与安全（CR 碰撞率 / ADO 障碍物间距 / NSR 可通行表面占比）三个正交维度。四个零样本基线全军覆没：最强 VLA（UniNaVid）ObjNav 11.62%、PlaceNav 11.38%、VLN 10.67%；模块化方法最安全但几乎不会探索；VLA-RL 策略障碍物间距最大却最常找错目标后草率停车。最刺眼的是过渡鸿沟：UniNaVid 从纯室外到室内外连通场景，PlaceNav 成功率 17.65%→3.64%（绝对降 14.01 点），且有 25–48% 的 episode 根本没能走出室内；所有方法出门后覆盖效率一致下降（表现为原地打转）。诊断实验另证明：同一条 oracle 轨迹，四足 Spot 两种摩擦下均 100% 走完，轮式 Turtlebot 只有 30.75–47.50%——忽略本体动力学的基准会系统性高估可执行性。现有工作多把室内外分开评测，且抽象掉机器人执行，NavVerse 补上的是「找出口、跨边界、出门后重新适应」这三个被集体忽略的阶段。