RSS 2026 | 無界動力聯合上海交大AutoLab推出OmniNavBench：實現具身導航評測體系大一統

原文鏈接：https://mp.weixin.qq.com/s/sI0EiAur3PbDQ54ka_SJ5Q

作為深耕通用具身智能技術研發的團隊，無界動力聯合上海交通大學人工智能學院 AutoLab 團隊，正式推出全新通用導航評測基準OmniNavBench，相關成果已被機器人領域頂會 RSS 2026 收錄。該基準直擊當前具身導航領域評測體系碎片化、仿真與真實場景脫節、機器人適配性單一等行業痛點，打造出業內首個支持跨技能協同、跨機型泛化、真人行為驅動的一體化評測平臺，為通用導航算法的迭代與落地樹立全新標準。

01. 現存導航評測體系，究竟存在哪些短板？

具身導航是支撐各類智能機器人運行的核心基礎能力，發展至今已衍生出豐富的任務形態：從早期的視覺語言導航（VLN）、點位目標導航（PointNav），逐步拓展至物體目標導航（ObjectNav）、社交導航（SocialNav）、人機跟隨（Human Following）以及具身問答（EQA）等多元場景。

如今，業內已經涌現出 Uni-NaVid、OmniNav 等一批主打 “通用統一” 的導航模型，算法層面正朝著多任務融合的方向穩步前進。但與之相悖的是，行業配套的評測體系依舊處于各自孤立的狀態。

目前主流評測基準均為單一任務定制開發：視覺語言導航依托 R2R 數據集測試，物體導航使用 HM3D-OVON 基準，具身問答則基于 OpenEQA 開展驗證。各個平臺相互獨立，僅能考核模型的單項技能，完全無法模擬真實場景中，智能體需要連貫切換多項導航能力的復雜工況。

除此之外，現有評測體系還存在兩大核心短板： 第一，行為模式脫離真實應用。絕大多數基準的運動軌跡由最短路徑算法自動生成，這類理想化軌跡缺少人類導航過程中試探觀察、預判避讓、路徑微調等自然行為，導致模型在仿真環境中表現優異，落地到真實機器人后性能大幅下滑。 第二，機器人機型適配性單一。現有評測大多僅針對輪式機器人設計，無法檢驗同一套導航算法在四足、人形等不同構型機器人上的運行效果，難以評估算法的通用泛化能力。

而我們此次打造 OmniNavBench，核心目標就是補齊上述短板，構建一套貼合產業落地需求、全面客觀的通用導航評測新標準。

02. 全面解讀：OmniNavBench 一體化評測基準

組合式指令：單任務串聯多項導航技能

區別于傳統基準 “單任務單指令” 的模式，OmniNavBench 創新性采用組合式指令設計，單條任務指令會整合 2 至 4 種及以上不同類型的導航子任務，要求智能體在連貫的流程中依次完成。

舉個典型示例：“跟隨前方人員走進臥室，隨后轉身直行前往廚房，途中避讓餐桌旁的行人，找到臺面上的微波爐并清點周邊鍋具數量。” 這條指令依次涵蓋人機跟隨、視覺語言導航、社交導航、物體目標導航、具身問答六大能力原語。整套基準按照子任務數量劃分難度梯度，能夠層層遞進地檢驗模型多任務銜接、長時序規劃的綜合能力。

多機型兼容：一套指令適配三類主流機器人

OmniNavBench 基于 NVIDIA Isaac Sim 仿真平臺搭建，原生支持輪式、四足、人形三種形態差異極大的機器人。同一套測試指令無需修改算法代碼，即可在三類機器人上完成全流程評測，直觀檢驗算法對不同運動結構、不同視覺視角的適配能力。

平臺同時兼容航點級控制、速度指令控制以及離散動作三大主流控制接口，全面覆蓋當前機器人主流控制方案，進一步提升評測的通用性。

真人遙操作軌跡：還原真實導航行為

整套基準包含1779 條專家軌跡，全部由工作人員通過遙操作方式實地采集，摒棄了傳統算法生成的最短路徑。軌跡平均行駛長度達 16.7 米，完整保留人類導航時環視觀察、預判避障、臨時調整路線等真實行為特征。

實測數據顯示，人類行駛軌跡與算法最短路徑在地標利用等關鍵維度存在明顯差異（如 CityNav 場景中占比 36.3% vs 24.6%），這類細節是訓練高魯棒性導航策略的關鍵，也是銜接仿真與真機落地的重要紐帶。

大規模場景與多樣化指令：強化跨域泛化測試

場景層面，基準共計收錄170 個場景，由 85 個 GRScenes 合成場景（家居、商業空間）與 85 個 Matterport3D 真實掃描場景組成，覆蓋居家、辦公、商圈等主流環境，可充分驗證算法的跨場景泛化能力。 指令層面，我們基于 1779 條核心指令，借助通義千問 3-Max 大模型生成簡潔版、第一人稱視角版、詳細版三類風格變體，最終形成7116 條風格化指令，單條指令平均長度為 42 個詞匯，全方位考核模型對不同語言表達形式的理解能力。

03. 實測驗證：主流通用導航模型的真實能力邊界

我們選取 PoliFormer、Uni-NaVid、MTU3D、OmniNav 四款業內代表性通用導航模型開展零樣本評測，測試結果直觀暴露了當前通用導航算法存在的多項核心問題：

結論 1：復雜組合任務下，模型性能出現大幅衰減

所有參與測試的模型，在 OmniNavBench 上的表現遠低于其在單任務基準中的測試結果。四款模型整體最高任務成功率僅為 8.74%（OmniNav，四足機器人 Aliengo），多數測試場景成功率不足 2%。該現象在三類機器人構型中普遍存在，證明這是當前通用導航算法的共性短板，并非單一平臺適配問題。

結論 2：單項技能達標，多任務銜接能力嚴重不足

數據顯示，多款模型的子任務完成率（SGC）與整體任務成功率（SR）差距懸殊。以 Uni-NaVid 在 Aliengo 機器人上的表現為例，其子任務完成率可達 44.54%，但整體任務成功率僅 1.96%。這說明現有模型能夠獨立完成各類單一導航任務，但無法在連續流程中順暢切換多項技能，多任務時序銜接是核心瓶頸。

結論 3：“抵達目標” 不等于 “完成任務”，存在落地最后一環缺陷

模型理論最優成功率（OSR）遠高于實際任務成功率，依舊以 Uni-NaVid 為例，其 OSR 為 26.47%，但實際成功率僅 1.96%。這一現象表明，智能體大多可以物理抵達目標區域，但無法精準判斷任務終止時機，這也是端到端導航算法在真機落地過程中普遍存在的 “最后一厘米” 難題。

結論 4：動態社交交互能力薄弱，缺乏安全避讓意識

人機跟隨成功率（HFS）、人機跟隨占比（HFR）兩項數據整體偏低，四款模型中最優人機跟隨成功率僅為 45.16%（Uni-NaVid，輪式機器人 Carter），且在足式機器人上進一步下降。同時，社交入侵指數（SII）普遍偏高，反映出當前導航模型缺少基礎的社交距離感知能力，動態場景交互安全性不足。

結論 5：算法對機器人構型高度敏感，跨機型泛化能力差

同一算法在不同機器人上的表現天差地別：OmniNav 在四足機器人 Aliengo 上任務成功率為 8.74%，在輪式機器人 Carter 上降至 1.96%，部署于人形機器人 H1 時成功率直接歸零。人形機器人需要持續保持機身平衡，算法的微小缺陷都會引發摔倒問題（摔倒率高達 60%-80%），相比輪式機器人，容錯空間大幅縮小。

04 指令風格消融實驗：模型語言泛化能力有待提升

我們針對 OmniNav、Uni-NaVid 兩款模型開展指令風格消融實驗，測試不同句式表達對模型性能的影響。結果發現，簡潔版、第一人稱視角指令能夠小幅提升模型任務成功率，其中 OmniNav 的成功率從 8.74% 提升至 14.47%；而細節豐富的長指令則會讓模型表現持平甚至下降。

這一結果印證，當前導航模型存在句式過擬合問題，對多樣化自然語言指令的理解與泛化能力仍有較大優化空間。

04. 指令風格消融實驗：模型語言泛化能力有待提升

我們針對 OmniNav、Uni-NaVid 兩款模型開展指令風格消融實驗，測試不同句式表達對模型性能的影響。結果發現，簡潔版、第一人稱視角指令能夠小幅提升模型任務成功率，其中 OmniNav 的成功率從 8.74% 提升至 14.47%；而細節豐富的長指令則會讓模型表現持平甚至下降。

這一結果印證，當前導航模型存在句式過擬合問題，對多樣化自然語言指令的理解與泛化能力仍有較大優化空間。

05. 橫向對比：OmniNavBench 重塑導航評測標準

對比業內現有主流導航評測基準，OmniNavBench 是目前唯一一個同時實現六大導航任務全覆蓋、支持多機型跨構型評測、基于真人遙操作軌跡搭建的一體化通用導航基準。徹底打破了過往評測體系碎片化、脫離真實應用的局限，為行業提供了統一、客觀、貼近落地場景的評測標尺。

總結與未來展望

通過 OmniNavBench 的實測數據可以清晰看到：現階段主打 “通用” 的導航模型，在面對跨技能組合、跨機型部署、長時序連續任務等真實場景時，依舊存在顯著的能力短板。結合實驗結果，我們梳理出下一代通用具身導航算法的核心突破方向：

1. 強化長時序任務進度追蹤能力，實現多項導航技能的流暢切換與有序執行；

2. 優化任務終止決策邏輯，解決 “抵達目標卻無法停止” 的落地難題；

3. 提升動態社交交互能力，讓智能體具備安全避讓、社交距離感知等基礎行為能力；

4. 增強算法跨機型泛化性，降低不同機器人構型帶來的性能波動；

5. 優化語言理解模塊，擺脫單一句式依賴，提升對多樣化指令的適配能力。

未來，無界動力將持續聯合上海交通大學 AutoLab 團隊，依托 OmniNavBench 這套評測基準，持續推進通用具身導航技術的研發與迭代。同時我們將持續開放平臺能力、完善數據集與工具鏈，攜手行業伙伴，共同推動具身導航技術從實驗室走向規模化落地，助力通用具身智能產業高質量發展。