浙大 & vivo 联手突破机器人导航技术：CogDDN 框架凭 “双过程决策” 提升成功率 15%

　　让机器人像人类一样 “边看边理解”，主动响应模糊需求(如 “我饿了”)而非仅执行明确指令(如 “拿香蕉”)—— 浙江大学与 vivo 人工智能实验室的联合团队，在 ACM MM 2025 上发表的新框架 CogDDN，首次将心理学 “双过程理论” 应用于移动机器人需求驱动导航(DDN)，使导航成功率较现有 SOTA 方法提升 15%，为机器人适应复杂未知环境提供了全新思路。

　　一、研究动机：破解传统导航的 “刻板困境”

　　传统需求驱动导航依赖大量数据训练，仅能应对 “见过的场景”，面对模糊指令(如 “找个东西放花”)或陌生环境时易陷入僵局。团队受人类决策机制启发：

　　人类通过 “系统 1”(快速直觉判断)和 “系统 2”(深度理性推理)协同应对复杂情境，例如迷路时先凭直觉探索，再通过分析修正路线。

　　据此提出 CogDDN 框架，让机器人具备 “快速响应 + 深度反思” 的双过程能力，实现从 “被动执行” 到 “主动理解” 的跨越。

　　二、CogDDN 框架：模拟人类认知的 “双过程闭环”

　　该框架以视觉语言模型(VLM)为基础，包含 3 大核心模块，形成 “感知 - 匹配 - 决策” 的完整闭环：

　　3D 机器人感知模块

　　采用单目 3D 检测方法 UniMODE，仅通过单视角图像即可精准估算物体三维位置，摆脱对多视角或深度传感器的依赖，轻量化适配各类机器人硬件。

　　需求匹配模块

　　针对大型语言模型(LLM)易推荐 “次优解”(如用杯子养花)的问题，通过有监督微调(SFT)训练 LLM，强化 “需求 - 物体特性” 的精准匹配。例如，用户说 “放花” 时，优先推荐花盆而非杯子，提升目标选择准确性。

　　双过程决策模块（核心创新）

　　融合 “启发式过程”(系统 1)与 “分析过程”(系统 2)，模拟人类 “直觉 - 理性” 协同决策：

　　启发式过程：

　　Explore 模块：目标未明确时，通过思维链(CoT)推理生成探索路径，扫描环境寻找潜在目标，避免重复探索;

　　Exploit 模块：发现目标后，利用知识库经验快速规划精准行动，如避开障碍物直达目标物。

　　分析过程：

　　当导航遇阻(如目标被遮挡)，启动 “反思机制”—— 基于 VLM 的世界知识，分析失败原因(如路径规划错误)，生成修正策略并存入知识库，通过微调反哺启发式过程，实现 “从错误中学习”。

　　三、实验验证：成功率提升 15%，适配复杂场景

　　在 AI2-THOR 模拟器及 ProcTHOR 数据集上的闭环测试(400 个场景)显示：

　　CogDDN 的导航成功率(NSR)较单视角 SOTA 方法 DDN 提升 15%，与依赖深度输入的 InstructNav 效果相当，证明其在无额外传感器时的高效性;

　　消融实验表明：移除 Exploit 模块或思维链(CoT)后，性能显著下降，验证了 “微调优化” 与 “推理逻辑” 的关键作用;

　　反思机制使加权路径长度成功率(SPL)随训练轮次持续提升，体现其持续学习与环境适应能力。

　　四、意义：为机器人装上 “会思考的大脑”

　　CogDDN 的突破不仅在于技术指标提升，更在于推动机器人导航从 “数据依赖” 转向 “认知驱动”：

　　无需海量场景数据，即可通过双过程决策应对未知环境与模糊指令;

　　闭环学习机制使其能持续优化策略，适配家庭、医院、仓库等多样化场景;

　　轻量化设计可无缝集成至现有机器人系统，加速实用化落地。

　　未来，随着多模态感知与大模型推理能力的深化，机器人有望真正实现 “类人理解”，成为更智能的生活助手。