该文介绍了一个新的导航框架，用于在真实世界中解决VLN任务。该框架包括四个关键组成部分，能够将语言指令转换为宏操作描述、构建实时的视觉-语言地图、基于语言索引的定位器以及基于DD-PPO的本地控制器。作者在实验室环境中使用Interbotix LoCoBot WX250对该流程进行了评估，并发现该流程优于SOTA VLN基线。