CovNav用保形预测为ObjectNav按需调用慢速推理

Pengying Wu 等提出免训练框架 CovNav，用保形预测把 ObjectNav 中的空间常识查询转成二元决策：本地大模型在快速模式下判断目标是否可能在已观测物体附近，只有模糊查询才升级到慢速思维链推理。在 Gibson 和 HM3D 上，CovNav 成功率比最强零样本基线高 0.8 和 1.7 个百分点，同时仅对 12.4% 的查询调用慢速推理，保留了常开慢速推理的大部分收益而延迟大幅降低；TurtleBot 4 真机实验也验证了该方法。其 object-pair 形式化让校准保持可行，并可通过现成检测器支持开放集物体。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。