基础视觉导航算法：间接顺序，偏向扩散和直接路径

本文探讨了多种仿生算法在人工环境中模拟动物导航行为的应用。

提出了一种基于拓扑表示法、语义特征和监督学习算法的视觉导航新方法，显示出在长时间任务中相对提高超过50%。

介绍了一种基于图神经网络和卷积/循环神经网络的视觉导航新方法，在已知和未知环境中表现优于相关基准线。

研究了智能机器人在3D环境中导航的高级技能，包括感知局部观察视觉输入和理解跨模态指令。

探索经典导航与基于学习的导航的协调方法，发现两者在复杂环境中的表现仍未达到人类水平。

提出了一种新的注意概率模型，通过强化学习改进智能体的导航策略，取得了最先进的结果。

研究使用空间语义元素的神经代理导航模型，发现其对导航代理的推理能力有显著改善。

开发了语言引导的导航任务，消除了对环境假设的依赖，发现性能明显低于以前的设定。

提出了一种融合基于地图的空间推理和路径规划的视觉导航公式，能够高效地在新环境中导航。

介绍了一种可视化预测方法，通过引入视觉线索改善智能体的感知能力，验证了其在动态环境中的有效性。