本研究提出了“集群可用性损失”函数，以解决神经网络可解释性不足的问题，通过模块化训练形成独立集群，显著提高模型的可解释性。

该研究提出了基于三维重建环境的机器人视觉和语言导航（Robo-VLN）的设定，并通过分层决策、模块化训练和分离推理和模仿的策略成功解决了这一新任务。研究者使用HCM代理展示了比现有基线效果更好的结果，为Robo-VLN创造了新的基准。