基于地标引导知识的视觉-语言导航方法及系统

本发明公开了一种基于地标引导知识的视觉‑语言导航方法及系统，所述方法包括：根据指令和环境的视觉观测获取智能体的起始状态；利用构建的知识库执行知识匹配，从知识库中检索与观测相关的知识信息；基于指令解析提取地标信息，并根据地标信息对检索获得的知识进行引导筛选，得到与地标相关的知识内容；将知识内容与指令进行融合，生成增强的指令，并对增强指令与原始指令进行动态融合，同时将知识内容与视觉观测进行增强，得到融合的导航状态；基于融合的导航状态生成动作决策，引导智能体按照指令移动至目标位置。本发明通过引入地标引导的知识，将常识知识融入导航决策过程，能够有效缓解复杂环境下指令语义歧义问题，提高导航成功率。