研究人员引入了一个新的框架，以概率物体位置得分为中心，用于在未开发环境中进行物体搜索任务。通过利用3D物体概率图和POLo得分，代理能够高效地做出物体搜索决策。通过训练神经网络POLoNet来近似计算密集的POLo得分，进一步提高了框架的实用性。实验结果表明，配备POLoNet的代理在物体目标导航中明显优于其他基准方法。