机器人能否仅凭照片找到特定地点？当前具身智能在跨房间导航时常因缺乏空间意识而迷路。AAAI 2025的这项研究提出即插即用的“房间专家”模块，通过模拟人类先定房间再找目标的逻辑，显著提升了导航成功率与泛化能力。
智能速览
现有机器人在跨房间寻路时易迷失方向，缺乏空间层级意识
“房间专家”模块利用无监督学习自动提取房间风格特征
通过特征融合策略，将粗粒度房间判断与细粒度视觉导航结合
在困难任务中成功率高达87.1%，且具备优秀的跨场景泛化能力
精华内容
面对复杂的室内环境，如何让机器人像人类一样具备先找房间再寻目标的“空间直觉”？
跨房间导航痛点
传统视觉导航方法主要依赖画面与目标图像的像素相似度匹配。当机器人跨越房间时，因不同区域的墙面、家具风格差异大，相似度骤降，导致机器人在原地打转或沿墙无效搜寻。现有的强化学习方法在远距离观测时信息失效，而辅助知识方法又高度依赖人工标注，存在资源不对等和实用性低的问题。
房间专家架构
研究提出的“房间专家”模块旨在赋予机器人判断两张图片是否属于同一房间的能力。在离线训练阶段，采用无监督学习策略，利用大量未标注的室内图像，通过约束集优化距离矩阵并进行聚类，自动生成伪标签。模型因此能从海量数据中习得房间的风格特征，极大降低了对人工标注的依赖。
双流特征融合
在推理阶段，房间专家提取当前观测与目标图像的风格特征，输入关系网络判断两者关系。该关系特征与传统的视觉导航特征进行显式融合，共同输入策略网络。这种设计让机器人先通过“专家”确认大方向是否正确，再进行精细化的路径决策，避免了方向性错误。
性能实测领先
实验数据显示，该方法在同域测试的困难任务中成功率达到87.1%，显著优于仅能到达60%-70%的基线方法。轨迹可视化显示，算法能以更短的步数（如58步对比基线92步）精准到达目标。在MP3D和HM3D等陌生数据集的跨域测试中，模型未经过微调依然保持了SPL和SR指标的领先，证明了其强大的泛化能力。
该研究通过模仿人类的层级化寻路逻辑，有效解决了具身智能在复杂环境下的导航盲区。模块化设计与无监督学习的结合，不仅提升了机器人的自主性，也为未来外卖、仓储等多场景的机器人应用提供了极具参考价值的技术思路。
