提出EvolvingNav与EvoWorld-Bench

研究者提出 EvolvingNav，通过时间索引的 4D 信念与事件驱动滤波器，让智能体在目标可能于未被观察时移动的演化世界中推断并修正目标位置，配合冻结的零样本视觉语言控制器选择动作与重规划。团队同时发布基于人类活动轨迹的 EvoWorld-Bench，包含 54 个场景、803,680 个任务。仿真与真机实验显示，EvolvingNav 在导航成功率和搜索效率上优于所评估的基线。

摘自 arXiv cs.AI

还没有足够的连续观测数据，暂不绘制趋势。