UniGoal

让机器人零训练看懂世界，直接找目标

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 16 🐛 待处理 35 👀 关注 6

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 374

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类开源模型

开发团队bagh2178

官网地址https://bagh2178.github.io/UniGoal

GitHubhttps://github.com/bagh2178/UniGoal

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型3d-scene-graph,cvpr2025,embodied-ai,image-goal-navigation,instruction-following,large-language-models,matterport3d,navigation,object-goal-navigation

GitHub 星标★ 374

上线时间2025-02-27 00:00:00

代码更新2025-09-16

仓库体积30.9 MB

本站数据更新2026-11-11

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

UniGoal 是一个面向通用零样本目标导向导航的框架，发表于 CVPR 2025。它解决的是智能体在未知环境中根据自然语言指令或目标类别进行导航的问题，无需针对特定场景或目标进行训练。其核心能力包括：利用大规模预训练视觉-语言模型（如 CLIP）构建开放词汇的目标表示，结合拓扑地图和记忆机制实现跨场景的泛化；支持从 RGB-D 或纯 RGB 输入中提取语义信息，并通过强化学习或规划策略生成导航动作。UniGoal 在多个基准数据集（如 Habitat-Matterport 3D）上展示了优于现有零样本方法的性能，旨在推动具身智能体在真实世界中实现灵活、通用的导航能力。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 374

技术标签

cvpr2025 embodied-ai instruction-following large-language-models

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 120 分钟部署方式：本地 GPU 4 步

环境要求

Linux + NVIDIA GPU
Python 3.8
场景数据集（另下）

安装与启动步骤

1建环境

锁 Python 3.8，仿真器只有老版本能装
```
conda create -n unigoal python==3.8
```

2装仿真器

走 conda 的专用频道，pip 装不上

conda install habitat-sim==0.2.3 -c conda-forge -c aihabitat

3装视觉依赖

检测与匹配几个库都要编译，最耗时的一段
```
pip install git+https://github.com/facebookresearch/detectron2.git
```
4跑一个目标类型

先跑实例图目标，再试文本目标
```
python main.py --goal_type ins-image
```