GC-VLN

不训练模型，用图约束让机器人听懂指令找路

GC-VLN 是一个面向视觉-语言导航（VLN）任务的训练-free 方法，由 CoRL 2025 论文提出。它解决的是智能体在未知环境中，仅依赖自然语言指令和视觉输入进行导航时，传统方法需要大量训练数据且泛化能力差的问题。其核心创新在于将自然语言指令解析为图约束（Graph Constraints），并利用这些约束在导航过程中动态构建环境拓扑图，通过图搜索和约束满足来引导智能体决策，无需任何模型训练或微调。该方法结合了大型语言模型（LLM）的语义理解能力和经典的图搜索算法，实现了零样本的导航能力。核心能力包括：指令到图约束的自动转换、基于图约束的路径规划、以及对未知环境的自适应探索。项目提供了完整的代码实现和实验配置，支持在 R2R 等标准 VLN 数据集上进行评估。