技术博客

VL-LN Bench构建了一个贴近现实的视觉语言导航（VLN）评估场景，模拟机器人在执行任务时“边走边问”、动态调整路径以定位目标的过程。该基准强调交互式推理与实时感知的协同，显著区别于静态指令跟随任务。然而，即便在VL-LN Bench中表现优异的VLN模型，若直接部署至复杂多变的家庭环境，仍面临诸多挑战：如非结构化空间布局、光照与遮挡变化、家具位移、以及家庭成员行为的不可预测性，均可能削弱视觉导航的鲁棒性与泛化能力。