MessyNav: 通过操作在杂乱环境中实现零样本导航

研究人员提出MessyNav框架，基于视觉语言模型(VLMs)实现机器人在杂乱环境中的零样本导航。该框架通过显式的VLMs基于功能推理来决定是否滑动、拾取或避开物体，并生成高层级计划。在实际室内外环境中测试，相比最强基线方法，成功率提高了27个百分点，且无需任务特定训练。