3DGSNav：通过主动3D高斯点绘提升视觉-语言模型在物体导航中的推理能力

物体导航是具身智能的核心能力，使智能体能够在未知环境中定位目标物体。尽管视觉-语言模型（VLM）的进步推动了零样本物体导航（ZSON）的发展，但现有方法通常依赖于场景抽象，将环境转换为语义地图或文本表示，导致高层决策受限于底层感知的准确性。本文提出3DGSNav，一种新颖的ZSON框架，通过将3D高斯点绘（3DGS）作为VLM的持久记忆，以增强空间推理能力。通过主动感知，3DGSNav逐步构建环境的3DGS表示，实现轨迹引导的自由视角渲染和前沿感知的第一人称视图。此外，我们设计了结构化视觉提示，并将其与思维链（CoT）提示相结合，进一步提升VLM的推理能力。在导航过程中，实时目标检测器筛选潜在目标，而由VLM驱动的主动视角切换执行目标重新验证，确保高效且可靠的识别。在多个基准测试和四足机器人上的实际实验表明，该方法在鲁棒性和性能方面均优于现有先进方法。