训练框架

超越空间基准：从空间推理到目标导航

作者

快速导读：Spatial-Nav 分析表明空间基准专精难直接迁移到 ObjectNav；据此构建 SPATIAL-NAV-100K，经两阶段空间-导航微调与 Spatial-NPD 蒸馏，使 8B 策略在 HM3D/MP3D 上达到有竞争力的 SR/SPL，且推理无需显式空间思维链。

空间推理基准分数升高，是否意味着导航更好？这篇预印本（arXiv:2609.29934，厦门大学与中关村学院等，代码 https://github.com/ylwhxht/Spatial-Nav）给出反直觉答案：把基准向空间专精模型直接换进导航框架，往往不升反降；真正有用的是把空间证据与导航目标、阶段和决策学习对齐。

作者据此构建 SPATIAL-NAV-100K，先学共享空间-导航基础，再分 Exploration/Approach 专家，并用 Spatial-NPD 把训练期空间先验蒸馏进学生策略。8B 模型在 HM3D-v0.2/v0.1 与未见 MP3D 上报告 SR/SPL 77.4/35.4、60.2/30.5、47.9/20.6，约 148 ms 每步，策略训练约 45 A100 GPU-hours。

英文题目：Beyond Spatial Benchmarks: From Spatial Reasoning to Navigation

论文出处：arXiv 每日论文精选 · arXiv:2609.29934

原始论文：PDF / 论文页面

这篇论文解决什么问题？

现有空间评测多在图像/视频上问距离、关系与结构，即便加入交互，任务仍以“答完为止”，与长程 ObjectNav 持续决策脱节。

导航文献常用语义图、拓扑或后训练提升探索，但很少说明：哪些空间能力真正可迁移，以及监督应如何与动作学习交互。

诊断实验显示：VLMNav/WMNav 下多项空间专精相对基座全面落后；仅当空间描述耦合当前目标时才稳定增益。

核心创新

  • 系统分析空间专精、推理图式与分阶段能力对 ObjectNav 的迁移条件。
  • 发布 SPATIAL-NAV-100K，并以两阶段微调落实目标耦合、分相空间监督。
  • Spatial-NPD 把训练期空间先验蒸馏为直接动作偏好，部署免显式空间 CoT。

方法概览

先诊断：基准向空间专精替换骨干无增益；导航耦合空间监督有增益；Exploration 偏 Affordance/Topology，Approach 偏 Visibility/Geometry；空间与决策宜作并行目标而非串行 CoT。据此构建 SPATIAL-NAV-100K（决策/空间推理/Spatial2Nav Bridge，>100K 记录）。训练：Stage1 共享空间-导航基础，Stage2 分相专家；再以 Spatial-NPD 让教师看空间先验产生动作偏好，蒸馏到仅见导航观测的学生，推理直接出动作。

  • 分析三条结论：（1）导航耦合空间 > 常规空间/纯外观；（2）Exploration 更吃 Affordance/Topology，Approach 更吃 Visibility/Geometry，混用伤另一阶段；（3）空间与决策作并行目标互补，串成 CoT 反而掉点。
  • SPATIAL-NAV-100K 在 HM3D 轨迹状态上标注三类监督：Navigation Decision、Spatial Reasoning、Spatial2Nav Bridge（桥接证据与目标，不含动作标签），覆盖五类能力并按 Stage1/Stage2 分配。
  • 两阶段微调：Stage1 联合决策与空间损失学共享基础 θ_F；Stage2 从 θ_F 分出 Explore/Approach 专家，各自强化对应能力与动作集（探索选候选方向，接近判 STOP/CONTINUE）。
  • Spatial-NPD：冻结教师额外读到空间先验 r_t 产生合法动作分布，学生对齐该分布（KL）并保留动作 CE；推理时学生只看 RGB、目标类别与候选叠加，不再生成空间文本。

逐图理解论文

迁移缺口

迁移缺口
Figure 2: Summary of analysis about the relationship of spatial reasoning and navigation. Benchmark- oriented spatial specialization does not improve navigation (a). Spatial reasoning coupled to naviga- tion goal gives consistent gains, and different spatial abilities help at different navigation phases (b).

图2(a) 显示空间专精点在 SR 轴更右但 SPL 不升；(b) 导航耦合空间条显著为正，探索阶段 Affordance/Topology 增益最大。

分阶段能力

分阶段能力
Figure 1: Spatial reasoning is intrinsic to goal-directed navigation. Different stages of approaching a target rely on different spatial abilities. Relation guides direction selection, Topology identifies connected regions, Affordance judges traversability, Visibility confirms the target, and Geometry informs when to stop. Together, these abilities provide spatial cues throughout navigation.

图1把五类空间能力映射到找沙发路径：Relation 选方向、Topology 看连通、Affordance 判可否通过、Visibility 确认目标、Geometry 决定是否停下。适合作为动机主图。

训练框架

训练框架
Figure 5: Overview of the training framework. (a) Two-stage fine-tuning learns a shared foundation and then specializes Exploration and Approach experts. (b) Spatial-NPD distills a teacher conditioned on training-only spatial priors into a student acting from navigation observations alone.

图5(a) 两阶段：共享基础再分 Explore/Approach 专家；(b) Spatial-NPD 教师看空间先验、学生只看观测，用 KL+CE 蒸馏，推理免显式空间生成。

实验如何设计？

  • 骨干 Qwen3-VL-8B（及 InternVL3-8B 迁移），LoRA 微调；Habitat 500 步预算，成功半径 1 m，主结果四种子平均。
  • 评测 1000 HM3D-v0.2、2000 HM3D-v0.1、2195 MP3D（训练不含 MP3D）；指标 SR 与 SPL。
  • 对照含显式结构系统（SG-Nav、WMNav、ApexNav 等）与无结构直接动作系统（VLMNav、Uni-Navid、Qwen-RobotNav 等）。

关键结果与论文证据

  • 主表：Spatial-Nav 在三套数据上达到 77.4/35.4、60.2/30.5、47.9/20.6，相对若干闭源结构或数千 GPU-hour 系统仍具竞争力。
  • 消融逐步累加：59.2/22.1→63.7/26.5→68.7/28.1→74.5/32.9→77.4/35.4，每级至少约 +2.9 SR。
  • 导航耦合空间在 HM3D/VSI 源分别 +2.9/+1.4 与 +2.5/+1.2；Affordance 对探索可达 +5.2 SR 量级增益（诊断设定）。
  • 对齐先验显著优于打乱先验；步级 CoT 掉到 69.4/22.7 且延迟 929 ms，反衬蒸馏直出动作的价值。

阅读时需要注意

  • 仿真 ObjectNav 结果，不代表真实机器人已可用产品；预印本未经同行评审。
  • 空间标注依赖大模型生成，存在噪声；通用空间基准迁移并不一致。
  • 45 GPU-hours 主要计参数更新；全流程标注与评测成本另计。

关联工作

  • 空间基准与交互式空间评测界定“会不会答空间题”。
  • VLA/导航中的空间对齐与蒸馏（LocalNav、SPAN-Nav 等）提供相关路线。
  • 闭源结构导航与大规模后训练系统构成效率-精度对照。

发表评论