本研究提出了InCrowd-VI数据集，旨在解决拥挤空间中SLAM解决方案开发的困难。该数据集专为室内行人导航设计，提供丰富的场景数据，揭示现有算法在复杂环境中的性能限制，强调SLAM研究在视觉障碍者导航中的重要性。

本文提出了一种新颖的室内导航方法，通过对比自我中心视图和语义地图，提升了代理的导航能力。实验结果表明，该方法在目标导航中优于现有视觉预训练技术，并显著改善了视觉和语言导航的表现。此外，研究探讨了利用深度学习和自然语言处理优化机器人导航，并提出了新的语义地图生成框架，以提升导航性能。