基于VLFM的中文指令视觉语言导航系统设计与实现
一、引言
1.1 项目背景
视觉语言导航（Vision Language Navigation，VLN）是具身智能领域的核心任务之一，其目标是让智能体根据自然语言指令在三维环境中自主导航，完成路径规划与空间定位任务[reference:0]。近年来，随着大规模预训练模型的快速发展，视觉语言导航技术取得了突破性进展。
视觉语言边界地图（Vision-Language Frontier Maps，VLFM）是一种零样本语义导航方法，受人类推理过程启发，能够引导机器人从未见过的语义目标导航到新环境中[reference:1]。VLFM利用深度观测构建占用地图以识别边界，并利用视觉语义线索引导机器人朝着目标更有效地探索环境[reference:2]。
本项目的核心目标是在Linux服务器环境下，基于VLFM框架构建一个完整的中文指令视觉语言导航系统。具体需求包括：将场景替换为自定义GLB模型、添加URDF格式移动机器人模型、实现中文自然语言指令解析、开发PyQt图形化交互界面，并提供完整的操作说明与功能扩展文档。
1.2 系统架构概述
本系统采用模块化设计，主要由以下五个核心模块构成：
- 三维场景渲染模块：负责加载和渲染GLB格式的场景模型，提供视觉输入
- URDF机器人仿真模块：加载URDF格式的移动机器人模型，控制机器人运动
