本研究介绍了一个基于 Google Street View 的任务环境 StreetNav, 该环境结合了模拟环境的实用性和真实环境的挑战性，可用于测试机器学习系统的语言理解、规划、导航和计算机视觉能力，并使用深度强化学习训练算法来实现导航并测试通用能力。

Mar, 2019

该论文提出一种基于深度强化学习的城市级别自主导航模型，采用 Google StreetView 进行环境交互和训练，具备可迁移性和区域特征一致性，实现了在多个城市环境下自主导航到目标位置。

Mar, 2018

本研究针对真实而密集的城市地图，基于 Amazon Mechanical Turk 平台数据，提出了一个解释自然语言导航指令的实验任务，根据实验结果，表明实体抽象、关注单词和环境、以及不断更新世界状态等神经构架方面对任务准确性有重要影响。

Sep, 2019

通过构建大规模数据集，研究了语言引导的视觉导航中各个组成部分对代理性能的影响，并通过简单模仿学习将现有代理的性能推向了一个显著的新高度，成功率达到了 80％，并将在已见和未见环境中导航的泛化差距降低到不到 1％。

Jul, 2023

本文提出了一种新的在步行丰富的环境下进行自主导航的算法，该算法使用基于展示和指导的行为学习，结合深度卷积神经网络和分层嵌套策略选择机制，能够有效地学习专家干预并成功地在实际世界中进行自主导航。

Nov, 2018

提出了一种无需外部监督或奖励的新方法，通过三个阶段，学习从图像输入进行导航：学习视角的良好表示，然后使用内存进行探索，最后通过设置自己的目标来学习导航。该模型仅使用内在奖励进行培训，因此适用于任何具有图像观察的环境。通过使用 RGB 输入训练代理在具有挑战性的 Gibson 数据集的逼真环境中导航的好处。

Apr, 2020

本文探索经典导航和基于学习的导航的协调方法，通过在不同的模拟环境中进行测试和评估，发现经典系统在复杂的杂乱环境中能够表现出非常好的性能，而学习系统能够在有限的传感器套件下更加稳健地运行，但两种方法都远未达到人类水平的表现。

Jan, 2019

DeepNav 是一个基于卷积神经网络（CNN）的算法，使用城市街景图像实现导航；使用 10 个城市图形和超过 100 万个街景图像组织的数据集，提出了 3 种监督学习方法，并表明可以使用 A * 搜索在城市图中生成学习的监督。

Jan, 2017

利用增强学习问题和多模态感应输入的辅助深度预测和循环闭环分类任务，可以学习从复杂 3D 迷宫中进行导航并接近人类级别表现

Nov, 2016

本研究提出从视觉语言导航和对话历史导航两个任务中学习的多任务导航模型，同时还探索了一种用于导航策略的环境无关表示法，并证明环境无关多任务学习可以显著降低在未见过环境上的性能差距。

Mar, 2020