NavHarness:把记忆处理纳入导航回路,GOAT-Bench成功率升至83.7%
Xunyi Zhao · hf · 2026-10-01
NavHarness:面向终身具身导航的免训练框架
- 前沿模型已能完成单次导航任务,但跨任务连续作业需要依赖不断演化的地图与历史搜索记录,这些信息可能不完整或与新观测冲突。
- 设计:免训练的具身 harness,把记忆处理纳入导航回路:多轮 agent 会话结合地图、任务记录与房屋知识,对照观测校验并记录修正;经验跨新会话保留,支持新任务与失败恢复;带结果验证与会话结束总结。
- 成绩:GOAT-Bench 上 s-SR 比仅上下文的独立会话提升 18.6(Astra)/22.6 点(Opus 5);GPT-6 Astra + SLAM 位姿达到 83.7 s-SR / 36.9 e-SR 的 SOTA,IR2R-CE 达 85.9 s-SR。
- 发现:结构化的恢复交接优于等长摘要;跨房屋长期部署中,记忆巩固带来的收益超出仅保留地图与任务记录。作者认为终身导航的进展取决于会话如何承接先前经验。
「编程与Agent」频道最新
- 睡前给 agent 布置任务,一觉醒来完成 6.5 小时的工作量 — therealdanvega · 2026-10-01
- 前 OpenAI 研究员推出 System One 模型 Jev,结构化决策快百倍 — KhuyenTran16 · 2026-10-01
- Jev 与 PydanticAI 的关键区别：在模型回答前就锁定决策 — KhuyenTran16 · 2026-10-01
- 博主开发海外播客转写 MCP,把播客变成高质量信息源 — vista8 · 2026-10-01
- Abridge 把临床医生反馈变成可量化评测体系,加速 agent 迭代 — LangChain · 2026-10-01
- 开发者的硬观点:不能阻止合并的 eval,只是装饰品 — bgoncalves · 2026-10-01