Aux-Think，把推理當(dāng)作訓(xùn)練時的助力，而非測試時的負擔(dān)，打破視覺語言導(dǎo)航任務(wù)的常規(guī)推理范式

視覺語言導(dǎo)航(VLN)任務(wù)的核心挑戰(zhàn)，是讓機器人在復(fù)雜環(huán)境中聽懂指令、看懂世界，并果斷行動。我們系統(tǒng)性地引入推理任務(wù)，探索其在導(dǎo)航策略學(xué)習(xí)中的作用，并首次揭示了VLN中的“推理崩塌”現(xiàn)象。研究發(fā)現(xiàn)：無論是行動前推理(Pre-Think)，還是行動后推理(Post-Think)，一旦在測試階段顯式生成推理鏈，反而更容易讓機器人迷失方向。

Aux-Think提出一種更實用的路徑：在訓(xùn)練階段引入推理任務(wù)作為輔助監(jiān)督，引導(dǎo)模型習(xí)得更清晰的決策邏輯；而在測試階段，則徹底省去推理生成，直接進行動作預(yù)測。把推理用在該用的地方，模型在任務(wù)中反而更穩(wěn)、更準、更省。Aux-Think不僅有效避免了測試階段的推理幻覺，也為“推理應(yīng)在何時、如何使用”提供了清晰答案，進一步拓展了數(shù)據(jù)高效導(dǎo)航模型的能力邊界。

? 論文題目：

Aux-Think: Exploring Reasoning Strategies for Data-Efficient Vision-Language Navigation

? 論文鏈接：

https://arxiv.org/abs/2505.11886

?項目主頁：

https://horizonrobotics.github.io/robot_lab/aux-think/

視覺語言導(dǎo)航 (VLN) 的推理策略

在視覺語言導(dǎo)航 (VLN) 任務(wù)中，機器人需要根據(jù)自然語言指令在復(fù)雜環(huán)境中做出實時決策。雖然推理在許多任務(wù)中已有廣泛應(yīng)用，但在VLN任務(wù)中，推理的作用一直未被充分探討。我們是第一個系統(tǒng)性研究推理策略對VLN任務(wù)影響的團隊，發(fā)現(xiàn)現(xiàn)有的推理策略 (Pre-Think和Post-Think) 在測試階段反而導(dǎo)致了較差的表現(xiàn)，讓機器人導(dǎo)航失敗。與此不同的是，我們提出的Aux-Think框架通過創(chuàng)新設(shè)計有效解決了這一問題。

Aux-Think優(yōu)于Pre-Think和Post-Think其它推理策略

Aux-Think在數(shù)據(jù)效率與成功率之間達到帕累托最優(yōu)

測試階段推理的挑戰(zhàn)

想象一名司機在開車時不斷分析路況，并頻繁回顧交通規(guī)則后才做決策。雖然這有助于理解環(huán)境，但當(dāng)遇到陌生或復(fù)雜情況時，這種“思考過度”的方式反而容易因推理偏差而判斷失誤。

在視覺語言導(dǎo)航任務(wù)中，推理就像回顧交通規(guī)則，決策則對應(yīng)真實的駕駛操作。推理本意是為了幫助機器人理解任務(wù)，但一旦進入訓(xùn)練中未見過的狀態(tài)，思維鏈便可能產(chǎn)生幻覺。尤其是在不熟悉的環(huán)境中，過度依賴推理不僅無法提升決策，反而干擾行動、累積誤差，最終導(dǎo)致機器人“誤入歧途”。這種“推理崩塌”現(xiàn)象正是Aux-Think希望解決的關(guān)鍵問題。

Aux-Think給出的新答案

為了應(yīng)對上述問題，我們提出了Aux-Think，一種全新的推理訓(xùn)練框架。Aux-Think的核心思想是：在訓(xùn)練階段通過推理指導(dǎo)模型的學(xué)習(xí)，而在測試階段，機器人直接依賴訓(xùn)練過程中學(xué)到的知識進行決策，不再進行推理生成。具體來說，Aux-Think將推理和行動分開進行：

訓(xùn)練階段：通過引導(dǎo)模型學(xué)習(xí)推理任務(wù)，幫助其內(nèi)化推理模式。

測試階段：直接根據(jù)訓(xùn)練中學(xué)到的決策知識進行行動預(yù)測，不再進行額外的推理生成。

這種設(shè)計有效避免了測試階段推理帶來的錯誤和不穩(wěn)定性，確保機器人能更加專注于執(zhí)行任務(wù)，減少了推理過程中可能引入的負面影響。

上圖中展示的是一個導(dǎo)航任務(wù)：“穿過房間，走到右側(cè)的拱門并停在玻璃桌旁”。三種策略面對相同場景做出了不同反應(yīng)：Pre-Think模型在行動前試圖推理整條路徑，認為應(yīng)該“前進75cm”，但忽視了當(dāng)前觀察并未穿過房間，導(dǎo)致偏離目標(biāo)；Post-Think模型在執(zhí)行動作后才分析環(huán)境，發(fā)現(xiàn)沒有看到拱門，但錯誤已發(fā)生，只能繼續(xù)試探，繼續(xù)偏航；Aux-Think則在訓(xùn)練時學(xué)習(xí)推理邏輯，測試時直接基于當(dāng)前觀察判斷“右轉(zhuǎn)15度”，準確識別拱門位置，成功完成導(dǎo)航任務(wù)。

實驗結(jié)果

大量實驗表明，Aux-Think在數(shù)據(jù)效率與導(dǎo)航表現(xiàn)方面優(yōu)于當(dāng)前領(lǐng)先方法。盡管訓(xùn)練數(shù)據(jù)較少，Aux-Think仍在多個VLN基準上取得了單目 (Monocular) 方法中的最高成功率。通過僅在訓(xùn)練階段內(nèi)化推理能力，Aux-Think有效緩解了測試階段的推理幻覺與錯誤傳播，在動態(tài)、長程導(dǎo)航任務(wù)中展現(xiàn)出更強的泛化能力與穩(wěn)定性。

R2R-CE上的指標(biāo)：Aux-Think在視覺語言導(dǎo)航任務(wù)的R2R驗證集 (Val-Unseen) 上取得領(lǐng)先的成功率 (SR) ，即使使用的訓(xùn)練數(shù)據(jù)更少，也能超越多種現(xiàn)有方法。

RxR-CE上的指標(biāo)：RxR比R2R更大、更復(fù)雜，Aux-Think在RxR驗證集上依然以更少數(shù)據(jù)實現(xiàn)更高成功率 (SR) ，展現(xiàn)出優(yōu)越的泛化能力。

總結(jié)與展望

Aux-Think為解決測試階段推理引發(fā)的導(dǎo)航問題提供了新的思路。通過在訓(xùn)練階段引入推理指導(dǎo)，在測試階段去除推理負擔(dān)，Aux-Think能夠讓機器人更加專注于任務(wù)執(zhí)行，從而提高其導(dǎo)航穩(wěn)定性和準確性。這一突破性進展將為機器人在實際應(yīng)用中的表現(xiàn)奠定更為堅實的基礎(chǔ)，也為具身推理策略提供了重要啟示。

.