arXiv 2026年10月5日该工作提出 GeoScaffold 几何监督框架：先在训练轨迹的深度图上学习一个紧凑深度分词器并冻结，再用少量可学习几何查询 token 微调策略，令其隐藏状态重建深度、连通性与可通行性等导航关键几何，从而把几何内化进策略本身；训练后分词器、目标生成器与重建头全部丢弃，主干与动作接口保持不变，实验显示其在连续 VLN 基准上稳定优于领先的纯视觉导航器，为空间感知具身导航模型的轻量边缘部署提供了一条实用路径。该工作提出 GeoScaffold 几何监督框架：先在训练轨迹的深度图上学习一个紧凑深度分词器并冻结，再用少量可学习几何查询 token 微调策略，令其隐藏状态重建深度、连通性与可通行性等导航关键几何，从而把几何内化进策略本身；训练后分词器、目标生成器与重建头全部丢弃，主干与动作接口保持不变，实验显示其在连续 VLN 基准上稳定优于领先的纯视觉导航器，为空间感知具身导航模型的轻量边缘部署提供了一条实用路径。GeoScaffold 用训练期几何重建监督把深度、连通性与可通行性内化进 Video-LLM 导航策略，在连续 VLN 基准上稳定超过纯视觉导航器该工作提出 GeoScaffold 几何监督框架：先在训练轨迹的深度图上学习一个紧凑深度分词器并冻结，再用少量可学习几何查询 token 微调策略，令其隐藏状态重建深度、连通性与可通行性等导航关键几何，从而把几何内化进策略本身；训练后分词器、目标生成器与重建头全部丢弃，主干与动作接口保持不变，实验显示其在连续 VLN 基准上稳定优于领先的纯视觉导航器，为空间感知具身导航模型的轻量边缘部署提供了一条实用路径。该工作提出 GeoScaffold 几何监督框架：先在训练轨迹的深度图上学习一个紧凑深度分词器并冻结，再用少量可学习几何查询 token 微调策略，令其隐藏状态重建深度、连通性与可通行性等导航关键几何，从而把几何内化进策略本身；训练后分词器、目标生成器与重建头全部丢弃，主干与动作接口保持不变，实验显示其在连续 VLN 基准上稳定优于领先的纯视觉导航器，为空间感知具身导航模型的轻量边缘部署提供了一条实用路径。