本文介绍了一种多模态变长记忆转换器（MTVM）方法，提升视觉和语言导航的性能。在R2R和CVDN数据集上的评估显示，成功率提高了2%，并减少了目标处理时间。此外，研究提出了具有身体感知的语言模型（VELMA），成功率提高了25%-30%。这些方法有效增强了导航能力和可解释性，为未来的导航研究提供了新方向。

本文汇总多项图神经网络研究：TOGL结合全局拓扑与持久同调提升分类性能；GTN生成新图结构以学习节点表示；拓扑引导超图变换网络建模高阶关系；TGNN利用未标记数据进行半监督图分类；TensorGCN融合异构信息用于文本分类；局部拓扑模型缓解过平滑问题；张量高阶超图网络降低复杂度。此外还包括GNN设计流程综述、计算机视觉应用综述，以及动态图学习框架TGN。

该文介绍了一个完整的对象感知SLAM系统，包括多级验证的对象级数据关联方法和基于二次曲面对象地图拓扑结构的语义闭环方法。作者验证了该系统的有效性、稳健性和优越性。