本文提出了多种方法解决语视导航中的跨模态匹配和泛化问题，包括强化跨模态匹配和自监督模仿学习。这些方法显著提高了成功率和准确度，尤其在未见环境中的表现。探索性语义特征的使用有效降低了已看与未见之间的性能差距，推动了视觉与语言导航的进展。