香港大学、上海创智学院、Archon Robotics等机构发布具身导航基础模型Compass 1，只用单目RGB视频训练，在统一的理解与生成骨干上加入稀疏关键帧和一张显式的历史表示地图，使智能体能回溯近两分钟的视觉历史。在办公室、露台、复杂户外和行人密集街道四类场景、八项任务的零样本实机评测中，Compass 1总体成功率为79.4%，最强基线AwareVLN为17.8%；持续历史回溯任务上基线为0%，Compass 1为58%。
单张RGB图像加一句任务描述，视频扩散模型生成虚拟相机视角，ORB-SLAM3与稠密深度对齐后重建出可规划的三维空间；19场景中可规划场景从P20的13/19升到P81的15/19。
作者构建了 Mine Odyssey：基于 BuildTheEarth 的 30 个真实地点 Minecraft 重建（20 个室外、10 个室内，覆盖五大洲 20 个国家与地区），标注 1,059 个 waypoint 并设计 180 项按顺序访问多目标点的自然语言导航任务，配合可编程动作接口、独立到达校验与沙箱隔离；评测八个前沿模型显示 GPT-6 Astra 成功率 85.6%、Claude Opus 5.5 为 73.9%、最强开源模型 DeepSeek-V4.1-Flash 仅 23.9%，且室内成功率普遍低于室外。
NavHarness 是一个无需训练的具身导航外壳，把记忆处理放进导航循环：每次任务开启新的多轮智能体会话，但通过地图、任务记录与房屋笔记继承先前经验，并在任务结束时做结果核验与运行末整合；在 GOAT-Bench 上相对仅用当前上下文的独立会话，s-SR 分别提升 18.6 点（GPT-6 Astra）、22.6 点（Opus 5）、34.8 点（GPT-4o）和 30.3 点（Qwen3.8-27B），使用 SLAM 估计位姿时 Astra 达到 83.7 s-SR 与 36.9 e-SR，在 IR2R-CE 上达到 85.9 s-SR。
该工作提出EvolvingNav，用带时间戳的3D物体历史构建“持续—迁移”信念，并通过事件驱动的预测—观察—重规划滤波器在目标可能于查询前或导航途中被移动的情况下推断其当前位置，同时发布包含54个场景、803,680个任务的EvoWorld-Bench基准，在仿真与真机实验中相比所评估基线提升了导航成功率与搜索效率。
该工作系统评测 GPT-6 Astra 在夹爪操作、灵巧操作、移动操作、导航、运动与类人全身操作六个领域的具身策略能力，比较直接控制与配合学习策略或全身控制器的混合控制，发现导航表现领先（RxR 指令跟随 92%、HM3D 物体搜索 82%），混合控制在 RoboDojo 达 48%、DexJoCo 达 50%、RoboCasa365 达 38.7%，而直接手内控制与密集参考运动仍不可靠，并记录了显著的 token 消耗与推理延迟。
PanoVLN 以 4B 视觉语言模型和纯 RGB 全景输入做连续环境视觉语言导航，通过更长动作序列监督、置信度引导执行、面向决策的训练数据与全景几何特征融合，在 R2R-CE 与 RxR-CE Val-Unseen 上把成功率提升到 77.3% 和 78.0%，分别超过此前最好结果 11.9 和 8.7 个百分点，并在四足机器人上实现更少停顿的实机导航。
已读完全部报道