MapDream

地圖不再是專家設計的產物

而是在任務目標下學習出的決策參考

在視覺語言導航(VLN)中，地圖長期作為獨立模塊構建，并通過固定接口交由導航策略使用。無論是BEV網格、拓撲圖還是語義記憶模塊，這些表示大多脫離策略學習而設計。結果是，機器人即使掌握場景的信息，也仍可能繞行甚至偏離目標，因為地圖中編碼的，并不一定是決定導航成功的關鍵信息。

我們認為，VLN邁向長期可靠決策的關鍵一步，是讓地圖表示進入訓練閉環，由任務目標在學習階段主導其形成方式，而不再停留在固定規則或外部模塊的層面。

MapDream正是沿著這一方向提出的：我們將地圖構建納入端到端訓練框架，在大規模數據支撐下，通過監督預訓練與強化學習聯合微調，使空間表示在訓練階段始終圍繞導航目標展開，并與策略決策緊密耦合，從而形成真正服務于長程指令執行的核心中間表示。

? 論文題目：

MapDream: Task-Driven Map Learning for Vision-Language Navigation

?論文鏈接：

https://arxiv.org/abs/2602.00222

? 項目主頁：

https://horizonrobotics.github.io/robot_lab/mapdream

從專家設計到任務主導

傳統VLN系統中的地圖通常依賴專家規則或獨立建圖模塊生成，其語義與幾何結構在訓練過程中保持固定。導航策略只能被動消費這些表示，無法反向影響地圖該強調哪些空間線索。MapDream打破了這一結構：我們在大規模數據支撐下，將地圖構建納入端到端訓練框架，通過監督預訓練與強化學習聯合微調，使空間表示直接圍繞導航目標學習。VLN中真正重要的，并非完整復原環境，而是為當前任務生成最有價值的空間接口。

MapDream將地圖表示納入訓練閉環，由任務直接塑造，而非專家預設。

在MapDream中，地圖被重新定義為一種可學習的中間表示。系統接收多幀單目觀測與自然語言指令，自回歸生成任務相關的BEV表示，僅保留三類與決策高度相關的要素——可通行結構、目標相關距離以及語義錨點。這種緊湊表達被輸入到VLN策略中用于多步動作預測，并在強化學習階段與策略同步優化，使最終得到的地圖分布與成功導航行為保持一致。

兩階段訓練

讓地圖真正進入學習閉環

MapDream采用兩階段訓練流程，使地圖從專家先驗出發，最終由任務目標決定。

MapDream采用兩階段訓練：先建立建圖—控制接口，再以強化學習聯合優化，使地圖服務于導航決策而非幾何重建。

第一階段是監督預訓練。通過輕量化的任務驅動BEV監督，模型學習基礎空間抽象，同時訓練策略學會使用這些地圖進行決策，從而建立穩定的“建圖—控制”接口。

第二階段是強化學習聯合微調。地圖模塊與VLN策略在統一導航獎勵下同步更新。此時地圖不再僅追求幾何一致性，而是被任務回報直接牽引，系統性地調整為最有利于完成指令的空間表達。

通過這一閉環過程，地圖真正成為由任務目標主導學習的核心表示。

任務決定地圖

改變機器人的導航方式

當地圖表示進入學習閉環后，機器人的行為模式發生了顯著變化。在長程指令執行中，它不再僅依賴局部觀測，而是借助生成的BEV抽象形成更穩定的全局方向感。路徑更加貼近示范軌跡，回溯與繞行明顯減少，整體執行呈現出更強的空間連貫性。

MapDream僅憑單目生成緊湊BEV地圖，緊貼真實路徑，優于在模糊路口易偏離的無地圖基線。

在標準VLN基準中，MapDream在單目設置下取得領先結果，并在跨數據集泛化與真實機器人實驗中保持穩定表現。這表明，由任務目標塑造的地圖能夠捕捉具有遷移性的空間結構，而不僅僅適配單一環境。

在R2R-CE與RxR-CE Val-Unseen上，MapDream單目性能最佳，路徑效率優于全景方法。

總結與展望

MapDream重新界定了視覺語言導航中“地圖”的角色。它不再是專家規則主導的靜態模塊，而是一種在訓練階段由任務目標塑造、并與決策系統端到端耦合的生成式空間接口。機器人在決定“下一步往哪走”之前，先通過地圖理解當前最關鍵的空間關系，從而形成更高效、更穩定的長程決策能力。

未來，我們希望將這一任務驅動地圖學習范式擴展到更長期的空間記憶、更復雜的交互任務以及真實環境中的自主探索，為具身智能構建真正以任務目標為核心的空間認知系統。