Nav-R1：具現化されたシーンにおける推論とナビゲーション

具現化されたナビゲーションは、複雑な3D環境において堅牢な相互作用のために、知覚、推論、行動を統合することを要します。既存のアプローチはしばしば不整合で不安定な推論の痕跡に苦しみ、多様な環境での一般化を妨げ、リアルタイムナビゲーションのための低遅延制御と長期的な意味的推論とのバランスを取ることに困難を伴います。これらの課題に対処するために、私たちは具現化された環境における推論を統一する具現化された基盤モデルNav-R1を提案します。まず、具現化タスクのための段階的な思考（CoT）の大規模データセットNav-CoT-110Kを構築し、構造化された推論によるコールドスタート初期化を可能にします。この基盤の上に、形式的な遵守、意味的な基盤、経路の忠実度を向上させるために、3つの補完的な報酬を持つGRPOベースの強化学習フレームワークを設計します。さらに、効率的かつ一貫したナビゲーションのために、低遅延の反応的制御から意図的な意味的推論を分離するファスト・イン・スロー推論パラダイムを導入します。具現化されたAIベンチマークにおける広範な評価は、Nav-R1が常に強力なベースラインを上回り、推論とナビゲーション性能において8％以上の平均改善を示すことを証明します。モバイルロボットでの実世界での展開は、限られた搭載リソース下での堅牢性をさらに検証します。コード：https://github.com/AIGeeksGroup/Nav-R1。ウェブサイト：https://aigeeksgroup.github.io/Nav-R1.