文章核心观点 - 目标驱动导航是具身智能的核心领域，通过赋予机器人自主决策能力，使其能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] - 该技术正经历从依赖显式指令到自主感知决策的跃迁，并已在多个垂直领域实现产业化落地 [2][4] - 技术发展经历了三代迭代：端到端方法、模块化方法、LLM/VLM融合方法，当前研究重点在于解决开放词汇和动态环境等挑战 [6][8][10] 具身导航技术定义与价值 - 具身导航涉及语言理解、环境感知、路径规划三大技术支柱，目标驱动导航是其最具代表性的方向 [2] - 与传统视觉语言导航不同，目标驱动导航系统需实现从"听懂指令走对路"到"看懂世界自己找路"的跃迁 [2] - 技术背后凝聚着计算机视觉、强化学习与3D语义理解的交叉突破 [2] 产业化落地现状 - 在终端配送场景，美团无人配送车通过动态路径重规划在复杂城市环境中执行任务，Starship Technologies的机器人已在欧美高校和社区部署 [4] - 在医疗、酒店及餐饮场景，嘉楠科技、云迹科技、擎朗智能及美国Aethon公司的机器人已实现药品、文件和餐食的自主配送 [4] - 随着人形机器人发展，宇树科技Unitree系列、智元机器人、特斯拉Optimus均已集成目标驱动导航模块，加速向家庭服务、护理及工业物流领域渗透 [4] 技术演进与评测体系 - 基于Habitat仿真的生态完整记录了技术迭代轨迹，评测体系从点导航扩展至图像导航、目标导航及移动抓取任务 [5] - 视觉预训练模型提升特征泛化能力，分布式强化学习框架使PointNav任务SPL指标显著提升，大语言模型通过跨模态对齐解决部分开放词汇导航难题 [5] - 当前PointNav和闭集ObjectNav接近人类表现，但开放词汇物体导航和动态障碍物场景仍面临重大挑战 [5] 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，在点导航与闭集图片导航任务中取得突破，部分方法SPL指标逼近人类表现 [6] - 第二代模块化方法通过显式构建语义地图分解任务，在零样本目标导航任务中展现显著优势，尤其在未见物体场景下成功率提升明显 [8] - 第三代LLM/VLM融合方法引入大语言模型的知识推理能力，重点在于设计场景表征接口，以在开放词汇目标导航任务中实现对未知类别的有效识别 [10]