本研究提出了一种显式回滚机制，解决了复杂动态网页环境中网页代理在错误状态恢复方面的不足，从而提高了导航的灵活性和效率，实验结果验证了其有效性。

本文介绍了「七月在线」开发的NaVILA框架，旨在提升腿式机器人在视觉与语言导航中的能力。NaVILA将高级语言指令转化为中级动作，并结合低级运动策略，提高了导航效率。该框架利用真实视频数据训练，显著提升了机器人在复杂环境中的成功率，展现了广泛的应用潜力。

本研究旨在提高无人机系统在大规模城市环境中的导航效率，并实现知识迁移。提出的元课程训练方案和增量自适应强化学习算法显著提升了导航的收敛速度和适应能力，展示了实际应用潜力。

本文探讨了终身多智能体路径规划（LMAPF）的问题，提出了暂态多智能体路径规划（TMAPF），允许智能体不必同时到达目标，从而提高导航效率。实验结果表明，TMAPF算法显著改善了系统吞吐量。

本文介绍了一种用于视觉语言导航的预训练和微调范式，通过自监督学习训练图像-文本-动作三元组，提升导航性能。研究提出了子指令注意力、结构化状态演化模型和基于大型语言模型的生成代理Cog-GA等多种方法，解决了多模态理解和空间推理的挑战，显著提高了导航效率。