本文提出了一种声音-视觉导航的模拟到真实处理方法，包含声学场预测和路标导航。通过在SoundSpaces模拟器上验证设计并收集真实世界数据，测量模拟与现实的频谱差异，提出频率自适应策略以提升真实数据性能。最终，构建真实机器人平台，成功导航至声音对象，展示了智能代理从模拟到现实的潜力。