目标驱动导航技术概述 - 具身导航是具身智能的核心领域，涉及语言理解、环境感知、路径规划三大技术支柱 [2] - 目标驱动导航要求智能体在陌生三维环境中仅凭目标描述自主完成探索与路径规划 [2] - 与传统视觉语言导航不同，目标驱动导航需实现从"听懂指令走对路"到"看懂世界自己找路"的跃迁 [2] 技术应用与产业化落地 - 终端配送场景中，美团无人配送车通过动态路径重规划在复杂城市环境执行任务 [3] - Starship Technologies的园区配送机器人已在欧美高校和社区部署 [3] - 医疗、酒店及餐饮场景中，嘉楠科技、云迹科技等公司的商用服务机器人实现药品、餐食自主配送 [3] - 人形机器人领域，宇树科技Unitree系列通过Habitat预训练完成基础导航任务 [3] - 特斯拉Optimus展示了"取放电池"等端到端操作能力 [3] 技术演进与评测体系 - 基于Habitat仿真的具身导航生态完整记录了领域技术迭代轨迹 [4] - 评测体系从点导航扩展到图像导航、目标导航及移动抓取任务，形成闭环 [4] - 当前技术进展呈现梯度：PointNav和闭集ObjectNav接近人类表现，开放词汇导航仍面临挑战 [4] - Meta AI提出的Sim2Real迁移框架为仿真到真实部署提供方法论参考 [4] 三代技术路线迭代 - 第一代端到端方法：基于强化学习与模仿学习框架，在点导航任务中取得突破 [5] - 第二代模块化方法：通过显式构建语义地图，在零样本目标导航任务中展现优势 [5] - 第三代LLM/VLM融合方法：引入大语言模型知识推理能力，提升开放词汇目标匹配精度 [7][8] 技术学习挑战 - 需要掌握自然语言处理、计算机视觉、强化学习等多领域知识 [10] - 各领域论文数量繁多、知识碎片化，入门难度高 [10] - 基于Habitat生态的研究缺少高质量文档，提高学习门槛 [10] 课程特点与内容 - 基于Just-in-Time Learning理念，帮助学员快速掌握核心技术栈 [11] - 梳理目标驱动导航研究发展脉络，构建领域框架 [12] - 理论结合实践，配有实战环节完成闭环学习 [13] - 课程涵盖端到端导航、模块化架构、LLM/VLM驱动系统等核心内容 [16][19][21][23] - 大作业聚焦VLFM算法复现与真实场景部署 [25][31] 课程安排与受众 - 课程开课时间7月25日，3个月完成结课 [33] - 面向机器人抓取从业人员、具身智能研究者、计算机视觉专业人士等 [32] - 学员需具备Python和PyTorch基础，显卡3060及以上算力 [32]