实验手段、评价体系与关键技术验证设计

实验平台与数据组织

构建三层实验平台。第一层使用 Habitat/VLN-CE、R2R、REVERIE 或 HM3D 等环境，将连续轨迹转换为与内容1一致的关键帧拓扑记忆，用于大规模任务组合、路径扰动和消融。第二层使用真实人形机器人历史行走数据离线回放，固定观察序列与执行反馈，支持不同模型的可重复比较。第三层在人形机器人室内外场景进行在线闭环实验。

真实场景应覆盖办公室/实验室、长走廊与重复门区、大厅与多分支、室内外过渡、坡道/楼梯/门区等典型区域。内容2仅评价高层路径知识和参考航点；内容3保证安全执行，并把航点完成、阻塞、局部轨迹调整和超时等事件回传。

任务集分为语言路线指令、语言目标搜索、目标图像导航和混合多模态任务。每类按长度、岔路数、地标密度、目标歧义和环境变化分级。语言指令包含经过/避开/先后/左右/相邻等约束，目标图像包含视角、光照、季节或人员遮挡变化。

构造闭环故障集：初始节点混淆、错过关键转向、误入相邻走廊、边临时阻塞、关键地标遮挡、目标外观变化、执行航点未完成以及历史边失效。故障发生位置和强度可控，便于测量检测时间与恢复成功率。

分层评价指标

任务层报告导航成功率 SR、路径效率 SPL/加权成功、重推理条件下成功率、平均完成时间和干预次数。总体指标“重推理导航成功率不低于90%”应明确触发场景、成功判据和试验次数，并给出置信区间；建议至少覆盖各类典型偏航和每类足够重复次数。

检索层报告当前位置 Recall@K、目标节点 Recall@K、相关子图覆盖率、主路径召回率和困难负样本误检率。拓扑规划层报告节点序列合法率、任务约束路径命中率、相对最优路径代价及备选分支有效率。

航点层报告相对方向误差、距离区间准确率、航点首次可行性检查通过率和内容3实际执行完成率。Reasoning 层报告证据引用正确率、拓扑事实正确率、依据—动作一致率和错误归因准确率；不评价不可审计的自由思维过程。

闭环层报告偏航检出率、误报率、平均检出步数、错误类型分类 F1、一级/二级/三级恢复次数、恢复成功率、重新到达计划路径的时间与额外路程。效率层报告端到端决策延迟、VLA 调用频率、峰值显存/功耗和超时安全退化比例。

语义轨迹匹配度建议定义为五项加权：指令关键地标覆盖、地标访问顺序一致、转向/空间关系满足、禁止区域/动作约束满足、终止位置语义正确。目标图像任务以目标场景视觉—语义相似、目标邻域到达和停止判断替换指令顺序项。各子项使用人工标注与自动节点语义共同核验，总分达到90%才计为满足项目指标。

对比方法与消融设计

基础对比包括图最短路＋视觉目标局部策略、ViNG/ViNT/NoMaD 类目标图像导航、Topological Planning/DUET 类图规划、NavGPT 类文本推理、NaVid 类视频历史动作生成、Mobility VLA 类目标帧检索＋拓扑执行。所有方法尽量共享相同节点、边和内容3控制器。

核心对比沿路径知识注入强度递进：无外部记忆的当前 RGB＋任务；输入检索关键帧但无边；自然语言邻接表；结构化图文 Prompt；图文 Prompt＋拓扑注意力。由此测量视觉证据、显式边和模型结构改造分别带来的收益。

输出空间消融比较自由文本动作、离散节点选择、连续航点回归、节点＋航点联合输出；Reasoning 消融比较无依据、自由依据、证据引用式依据和带一致性损失的依据。闭环消融比较固定计划、每步全局重规划、仅局部修正和拟提出的分级事件触发重推理。

检索消融包括单端目标检索、当前/目标双端检索、无路径候选重排、无困难负样本、无邻域分支扩展；记忆消融包括仅当前节点、固定长度历史、完整历史和任务相关滚动子图。

统计上按场景而非单条轨迹随机划分训练和测试，真实环境保留未见楼层/区域；每个在线条件进行多次随机起点复测，报告均值、标准差和 bootstrap 置信区间。

关键技术验证实验

实验一验证异构任务统一 grounding。在相同视觉拓扑图上构造语义等价的语言、目标图像和语言＋图像任务，对比候选目标与路径的一致性；考察同一地点跨视角、跨光照和跨时间检索，以及相似走廊/门区的误匹配。

实验二验证拓扑知识理解。自动生成节点邻接、路径可达、方向顺序、必经地标和反事实断边问题，评估 VLA 能否回答并生成合法路径；再在真实指令上测量结构化 Prompt 和拓扑注意力对路径有效率与 SPL 的影响。

实验三验证轨迹—航点—依据联合生成。将输出交给独立图规则检查器和内容3可行性检查器，分别测量拓扑合法、语义正确和局部可执行；通过遮蔽模型引用的关键节点图像或更换边关系，检查 Reasoning 与决策是否随证据变化，从而评估忠实度。

实验四验证闭环偏航恢复。按预设时刻注入转向误差、阻塞或定位混淆，比较固定计划、周期重规划和事件触发方案的检测、恢复、额外路程与模型调用次数。特别考察短暂遮挡不应触发全局重规划、持续不一致必须升级处理的滞回效果。

实验五验证无高精度定位依赖。高层模块仅接收 RGB、任务、视觉拓扑知识和离散执行事件，屏蔽全局真值位姿；位置评测真值只由外部系统记录，不输入模型。与使用真值节点/位姿的上界比较，量化视觉拓扑重定位不确定性对内容2的影响。

实验六验证跨平台接口。保持内容2模型、任务和节点路径不变，在人形机器人与另一种移动平台或仿真代理上更换内容3执行器，比较高层路径与语义匹配，验证平台无关相对航点接口。

阶段成果与验收证据

第一阶段形成多任务视觉拓扑路径知识数据集、统一任务模式、检索基线和语义轨迹匹配评价工具。验收以目标节点召回、路径子图覆盖和跨模态任务一致性为主。

第二阶段形成图文路径知识 Prompt、图感知 VLA 适配器与轨迹—航点—依据联合解码器。验收以拓扑路径合法、语义轨迹匹配、航点可行性和依据忠实度为主。

第三阶段形成执行反馈闭环、偏航故障库和事件触发重推理系统。验收以重推理导航成功率、偏航恢复、模型调用频率和真实机器人长程任务为主。

最终交付包括模型与训练代码、路径知识与故障数据、离线回放评测平台、内容1/内容3接口规范、真实机器人演示和可复核实验记录。

指标分解与建议目标值