多楼层物体导航的模块化策略学习：一个用于诊断分析的分解框架

一项针对多楼层物体导航（ObjectNav）的诊断研究提出模块化分解框架，将全局策略拆分为楼层内探索策略与楼层间切换策略，其中楼层内策略通过蒸馏 Visual Language Models（VLMs）的探索逻辑学习。理论证明在理想假设下分解策略与单一全局策略在策略表示层面等价。实验表明感知性能与上下楼梯稳定性是多楼层导航的主要瓶颈。