该研究提出了多种基于语言和视觉模型的零样本导航方法，旨在提升机器人在未知环境中的导航能力。通过使用CLIP模型、LGX算法和VoroNav框架，研究显示在不同数据集上显著提高了导航成功率和效率。这些方法结合了语义理解和动作感知，克服了传统导航方法的局限性，推动了家庭机器人领域的发展。

本文介绍了一种结合语义实例识别和多帧数据关联技术的机器人实时构建语义地图的方法。研究展示了零样本导航模型VLFM的有效性，能够在新环境中识别目标对象并成功导航。此外，提出了OpenFMNav模型，利用大型语言模型进行开放集对象导航，验证了其在复杂环境中的有效性。

本文研究了零样本对象目标视觉导航，提出了一种基于语义相似性网络的框架，能够在未训练类中引导机器人寻找目标。通过在AI2-THOR平台的实验，验证了模型的优越性和泛化能力，并探讨了多智能体协作和模块化迁移学习等方法，以提升导航任务的效率和准确性。

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