本文研究了复杂家庭环境中物体与房间关系对视觉导航的影响，提出了基于关注力机制的模型和新的MultiON任务。实验表明，简单语义地图代理表现优越，同时提出了层次化学习方法和基于多智能体协作的视觉语义导航方法，显著提升了导航性能。

本文介绍了多种先进的嵌入式指令遵循方法，如ThinkBot和Socratic Planner，强调它们在复杂任务中的成功率和效率。研究探讨了通过自然语言指令和人类示范进行的机器人学习，以及层次化学习方法在动态环境中的应用。实验结果显示，这些方法在目标定位和语言接地方面表现优异，推动了机器人技术的发展。

本文探讨了大型语言模型在视觉导航中的应用，提出了多种提高场景理解和目标导航性能的方法，包括基于语言的增强和层次化学习。这些方法在复杂环境中有效降低碰撞率，提高成功率和路径效率，并具备良好的泛化能力。