在具身智能领域，机器人要完成任务，目标导向导航能力至关重要。想象一下，服务机器人能在复杂室内环境中，精准找到指定物品并送达，这背后靠的就是目标导向导航。但传统方法大多针对特定类型目标设计，换个目标，机器人可能就 “懵” 了，缺乏通用性。今天要给大家介绍的研究成果 ——UniGoal，成功攻克这一难题，开辟了通用零样本目标导向导航的新路径。

现有零样本导航方法常常 “各司其职”，针对特定任务打造，难以在不同目标间通用。而通用方法又往往依赖大量训练数据，泛化能力依旧受限。UniGoal 创新性地采用统一的图表示法，把 3D 场景以及物体类别、实例图像、文本描述这些不同类型的目标，统统转化为图结构。如此一来，场景和目标的表示达成一致，结构信息损失减少，为基于大语言模型（LLM）的推理打下坚实基础。通过图匹配和多阶段探索策略，UniGoal 无需训练就能在多种目标类型间高效导航，堪称具身智能导航领域的一大创举。

（一）图构建与匹配

机器人在行动过程中，会依据自身观察逐步构建场景图，这个场景图就像它的 “实时环境地图”，动态更新环境信息。针对不同目标类型，又会构建相应的目标图，比如物体类别图、图像目标图、文本描述图。之后，通过节点匹配、边匹配和拓扑匹配三种指标计算匹配分数，以此判断目标的观察情况，为后续探索策略提供依据。简单来说，就是通过对比场景图和目标图的各个部分，看看目标在场景中 “匹配” 得怎么样，决定下一步行动方向。

（二）多阶段场景探索

零匹配阶段：当场景图和目标图毫无匹配之处时，UniGoal 会把目标图分解为子图，接着以语义关系为引导，探索未知区域。就像在陌生房间找一本书，先根据书的类别、特征等线索，确定可能的区域再去寻找。

部分匹配阶段：一旦场景图和目标图有部分重叠，也就是部分匹配时，利用坐标投影和锚点对对齐策略，根据图的重叠部分推断目标位置。好比在房间里看到了和目标物品相似的局部特征，通过这些信息进一步确定物品具体位置。

完美匹配阶段：在这个阶段，对场景图进行校正并验证目标，确保匹配的准确性。只有经过这一步，才能确定真的找到了目标，避免误判。

（三）黑名单机制

在探索过程中，难免会遇到匹配失败的情况。UniGoal 有个 “黑名单机制”，专门记录这些失败的节点和边，避免机器人重复探索，大大提高导航效率和准确性。阶段切换时，如果匹配失败，相关节点和边就会被加入黑名单；要是场景图校正时发现某些节点或边被修正，就把它们从黑名单中移除，就像把之前走过的 “死胡同” 标记起来，不再浪费时间，而当 “死胡同” 变通畅了，就可以重新考虑通过。

研究团队在多个权威基准数据集，如 MatterPort3D、HM3D 和 RoboTHOR 上，对不同导航任务展开实验。结果令人惊喜，UniGoal 在零样本物体目标导航和实例图像目标导航方面超越了现有方法，在通用目标导向导航方法中也表现最佳，甚至优于部分有监督方法。以 HM3D 数据集为例，UniGoal 的物体目标导航成功率（SR）达到 54.5%，比基线方法 SG-Nav 高出 0.5%。

研究人员还做了消融实验，专门测试 UniGoal 各个组件的作用。结果发现，简化或去除任何组件，如图匹配、多阶段策略，都会导致性能下降。比如，移除阶段 2 的锚点对对齐策略后，实例图像目标导航的成功率从 60.2% 降至 58.9%。这充分证明了 UniGoal 各个组件紧密配合，共同为导航性能提升发力。

UniGoal 为通用零样本目标导向导航提供了切实有效的解决方案，在室内场景导航、服务机器人等领域潜力巨大。借助统一图表示和 LLM 推理，它能灵活应对复杂环境中的各种任务。未来，研究人员还打算进一步探索其在更复杂真实场景中的应用，以及与其他感知和决策技术融合，全方位提升机器人综合能力。说不定以后家里的服务机器人能更智能，不仅能听懂指令找东西，还能处理各种复杂情况。

UniGoal 作为具身智能导航领域的创新成果，为机器人在复杂环境中的自主导航带来了新希望。期待未来它能不断优化升级，在更多场景 “大显身手”。如果想深入了解 UniGoal 的技术细节，可以点击下方链接查看论文原文和代码仓库：