让机器人「不只是走路」，Nav-R1引领带推理的导航新时代

在机器人与智能体领域，一个长期的挑战是：当你给机器人一个「去客厅把沙发上的书拿来」或者「沿着楼道走到门口，再右转」这一类指令时，机器人能不能不仅「看见环境」，还能「理解指令」、「规划路径」、然后「准确执行动作」？

之前的许多方法表面上看起来也能完成导航任务，但它们往往有这样的问题：推理（reasoning）的过程不够连贯、不够稳定；真实环境中路径规划与即时控制之间难以兼顾；在新的环境里泛化能力弱等。

Nav-R1 出场：什么是 Nav-R1？

• 论文标题：Nav-R1: Reasoning and Navigation in Embodied Scenes
• 论文地址：https://arxiv.org/pdf/2509.10884

这篇题为《Nav-R1: Reasoning and Navigation in Embodied Scenes》的新论文，提出了一个新的「身体体现式（embodied）基础模型」（foundation model），旨在让机器人或智能体在 3D 环境中能够更好地结合「感知 + 推理 + 行动」。简单说，它不仅「看到 + 听到＋开动马达」，还加入清晰的中间「思考」环节。

核心创新

1.Nav-CoT-110K：推理轨迹的冷启动（cold-start）基础

作者构造了一个大规模的数据集Nav-CoT-110K，包含约 11 万（110K）条 Chain-of-Thought（推理链 / 思考链、CoT）轨迹。每条轨迹里不仅有任务描述（导航指令），还有机器人从环境中看到的 egocentric 视觉输入 (「我从这里看到了墙、看到了桌子、右边是沙发…」 等)，以及每一步可能的行动选项，再加上明确格式化的思考与动作输出。

这些轨迹用于冷启动训练（即监督训练阶段），使模型「先学会怎么思考 + 怎么根据环境和指令决定动作」，在进入强化学习 (RL) 优化之前就已有了一个较为稳定的推理与行动基础。

2.三种奖励（rewards）：格式、理解、路径

在强化学习阶段，Nav-R1 不只是简单地奖励「到达目的地」，它引入了三种互补的奖励机制，使得行为更精准、更有逻辑、更符合人类期待：

• 等标签的分明区分，这样既便于机器解析，也让内在推理清晰。
• Understanding Reward（理解奖励）：鼓励模型不仅「走到目标」，还要能语义上理解环境，例如回答场景问题、视觉与语言间对齐、语义正确。包括对正确答案的精确匹配，也包括与视觉输入（如 RGB-D 图像）的语义对齐。
• Navigation Reward（导航奖励）：关注路径的 fidelity，也就是路径与参考路径的匹配度 (trajectory fidelity)、终点精度 (endpoint accuracy) 等。通过这一奖惩机制，保证机器人走出来的不仅只是到达目的地，而是走出一条合理、不绕弯、不浪费时间的路径。

3.Fast-in-Slow 推理范式：脑子快 + 身体稳

一个非常有意思的设计灵感是借鉴人类认知中的 “双系统理论”（Thinking Fast and Slow 等），即一个系统擅长深思熟虑、长远规划；另一个系统擅长快速反应、实时控制。

• Slow 系统（System-2）：以较低频率工作，处理更宏观、更长时段的语义信息和历史观察（视觉历史、语言指令等），负责制定长期目标和语义一致性。
• Fast 系统（System-1）：以高频率执行，负责即时响应，控制短期动作，比如避障、调整姿态、走直线或转弯等。它借助 Slow 系统的 latent 指导，但自己要轻量、低延迟。
• 两者异步协调：Slow 提供大致方向和语义指导，Fast 则负责执行，保证在复杂环境中既不丢失目标语义一致性，也能快速响应环境变化。

实验与效果：真的有用吗？

Nav-R1 给出的实验证据很有说服力，既有模拟环境中的各种基准（benchmarks）也有真实机器人部署。

• 在多个导航任务（如视觉 - 语言导航 Vision-Language Navigation 的 R2R-CE、RxR-CE，以及物体目标导航 ObjectGoal Navigation 等）中，Nav-R1 的成功率（success rate）、路径效率 (SPL, 路径长度加权指标) 等指标相比于其他先进方法提升了约 8% 或更多。

VLN 任务结果

ObjectNav 任务结果

• 在真实硬件上的部署也通过了测试：机器人平台（WHEELTEC R550，Jetson Orin Nano + LiDAR + RGB-D 摄像头等硬件）在会议室、休息室、走廊这些不同的室内场景中执行导航任务，表现稳健。

Robot Setup

在三个不同的室内环境中进行真实世界实验结果

• 延迟 / 实时性方面也做了设计优化：Nav-R1 虽然推理能力强，但通过云端推理 + 本地执行命令 + Fast-in-Slow 架构，使得在资源受限的边缘设备上仍可近实时运行（服务器端推理延迟在约 95 ms 左右）对比只在本地推理的大延迟优势明显。

平均推理延迟比较

Demo 展示：从仿真到现实的双重验证

为了让大家更直观地理解 Nav-R1 的能力，研究团队还准备了视频 Demo，涵盖仿真环境和真实机器人环境两类典型场景。

仿真环境：VLN 与 ObjectNav

在Habitat 仿真平台中，Nav-R1 接收自然语言导航指令，例如「从走廊穿过客厅，到达右边的沙发」。

• 在VLN (Vision-Language Navigation)任务中，Nav-R1 能够理解复杂的语言描述。

指令：Walk past brown leather recliner. Walk through open french doors. Make hard left opposite zebra painting. Wait at mirror.

• 在ObjectNav (Object Goal Navigation)任务中，给定目标类别（如「找到电视显示器」），Nav-R1 会主动探索、识别物体，并规划合理路径，避开障碍物，快速到达目标。

指令：Search for a tv monitor.

真实世界：VLN ObjectNav 机器人部署

研究团队还把 Nav-R1 部署在WHEELTEC R550 移动机器人平台（配备 Jetson Orin Nano、RGB-D 摄像头和 LiDAR）。在会议室、走廊、休息区等真实场景中，Nav-R1 执行类似的 VLN 指令和 ObjectNav 任务。

• 在VLN (Vision-Language Navigation)任务中，Nav-R1 能够理解复杂的语言描述，并在真实环境中执行指令。

指令：Go to the black chair on your left and pause, then move forward to the front-right and stop at the blue umbrella.

• 在ObjectNav (Object Goal Navigation) 任务中，给定目标类别（如「找到电视显示器」），Nav-R1 会主动探索真实环境、识别物体，并规划合理路径，避开障碍物，快速到达目标。
• 
  

指令：Move straight ahead and look for the keyboard along the wall in front.

意义与应用场景

Nav-R1 它带来了一些比较实际且有影响力的可能性。

1. 服务机器人 / 家庭机器人

在家里，机器人要在杂乱的环境中穿行、按指令找东西、与人交互时，不仅要走得快、走得稳，还要走得「懂」。Nav-R1 的结构化推理 + 路径精准性 + 实时控制恰好能提升用户信心与使用体验。

2. 助老 / 医疗 / 辅助设备

在医院、养老院、辅助设施中，环境复杂，人多物杂，需要机器人能安全、可靠地导航，且对错误能够有语义上的理解与纠正能力。

3. 增强现实 / 虚拟现实

AR 或 VR 中，如果虚拟智能体或助手要在用户的物理环境中导航（或通过视觉输入理解环境为用户指路），这样的推理 + 控制结合非常关键。

4. 工业 / 危险环境

在工厂、矿井甚至灾害现场，机器人需要在未知或危险环境中执行任务。Nav-R1 的泛化能力与稳健性使得它可以作为基础模块进一步应用。

作者介绍

刘庆祥是上海工程技术大学电子电气工程学院在读硕士，研究方向聚焦于视觉语言导航、具身智能。曾参与多项科研项目，致力于构建具备具身世界模型。

黄庭是上海工程技术大学电子电气工程学院在读硕士，Zhenyu Zhang 和 Hao Tang老师的准博士生，研究方向聚焦于三维视觉语言模型、空间场景理解与多模态推理。曾参与多项科研项目，致力于构建具备认知与推理能力的通用 3D-AI 系统。

张泽宇是 Richard Hartley 教授和 Ian Reid 教授指导的本科研究员。他的研究兴趣扎根于计算机视觉领域，专注于探索几何生成建模与前沿基础模型之间的潜在联系。张泽宇在多个研究领域拥有丰富的经验，积极探索人工智能基础和应用领域的前沿进展。

唐浩现任北京大学计算机学院助理教授 / 研究员、博士生导师、博雅和未名青年学者，入选国家级海外高水平人才计划。曾获国家优秀自费留学生奖学金，连续两年入选斯坦福大学全球前 2% 顶尖科学家榜单。他曾在美国卡耐基梅隆大学、苏黎世联邦理工学院、英国牛津大学和意大利特伦托大学工作和学习。长期致力于人工智能领域的研究，在国际顶级期刊与会议发表论文 100 余篇，相关成果被引用超过 10000 次。曾获 ACM Multimedia 最佳论文提名奖，现任 ACL 2025、EMNLP 2025、ACM MM 2025 领域主席及多个人工智能会议和期刊审稿人。更多信息参见个人主页：https://ha0tang.github.io/