本研究优化了机器人目标导航任务中的视觉语言前沿地图（VLFM），通过评估不同的视觉语言模型、目标检测器、分割模型以及多模态理解和视觉问答模块的效率和性能，提出了一个解决方案，在有限的VRAM桌面上取得了更高的成功率（+1.55%），并减少了视频内存的使用。研究结果揭示了在资源有限的环境中平衡模型性能和计算效率的洞见，并提出了有效的部署策略。

本文介绍了视觉语言前沿地图（VLFM）的零样本导航方法，通过深度观测建立占用地图，并利用视觉语言模型生成基于语言的价值地图，以识别探索最有希望的前沿。VLFM 在对象目标导航任务中取得了最先进的结果，且具有零样本特性，可轻松部署在现实世界的机器人上。关键词：零样本导航、视觉语言前沿地图、深度观测、语言模型、目标导航