提出EvolvingNav框架与EvoWorld-Bench基准

浙江大学Mingjian Gao等研究团队发布论文，提出EvolvingNav导航框架，用于目标会移动的持续变化环境：通过时间索引信念、事件驱动滤波和RGB-D证据修正，在导航中预测并更新目标位置，再由冻结的零样本视觉语言控制器据此选动作和重规划。 同时发布EvoWorld-Bench基准，基于人类活动轨迹构建，含54个场景和803,680个任务，并在导航前和导航中施加受控变化。基于论文摘要，EvolvingNav在模拟和真实机器人实验中均优于所评估基线的导航成功率与搜索效率，对具有可学习时间模式的任务增益最明显。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。