Aux-Think打破视觉语言导航任务的常规推理范式-电子发烧友网

Aux-Think，把推理当作训练时的助力，而非测试时的负担，打破视觉语言导航任务的常规推理范式

视觉语言导航(VLN)任务的核心挑战，是让机器人在复杂环境中听懂指令、看懂世界，并果断行动。我们系统性地引入推理任务，探索其在导航策略学习中的作用，并首次揭示了VLN中的“推理崩塌”现象。研究发现：无论是行动前推理(Pre-Think)，还是行动后推理(Post-Think)，一旦在测试阶段显式生成推理链，反而更容易让机器人迷失方向。

Aux-Think提出一种更实用的路径：在训练阶段引入推理任务作为辅助监督，引导模型习得更清晰的决策逻辑；而在测试阶段，则彻底省去推理生成，直接进行动作预测。把推理用在该用的地方，模型在任务中反而更稳、更准、更省。Aux-Think不仅有效避免了测试阶段的推理幻觉，也为“推理应在何时、如何使用”提供了清晰答案，进一步拓展了数据高效导航模型的能力边界。

? 论文题目：

Aux-Think: Exploring Reasoning Strategies for Data-Efficient Vision-Language Navigation

? 论文链接：

https://arxiv.org/abs/2505.11886

?项目主页：

https://horizonrobotics.github.io/robot_lab/aux-think/

视觉语言导航 (VLN) 的推理策略

在视觉语言导航 (VLN) 任务中，机器人需要根据自然语言指令在复杂环境中做出实时决策。虽然推理在许多任务中已有广泛应用，但在VLN任务中，推理的作用一直未被充分探讨。我们是第一个系统性研究推理策略对VLN任务影响的团队，发现现有的推理策略 (Pre-Think和Post-Think) 在测试阶段反而导致了较差的表现，让机器人导航失败。与此不同的是，我们提出的Aux-Think框架通过创新设计有效解决了这一问题。

Aux-Think优于Pre-Think和Post-Think其它推理策略

Aux-Think在数据效率与成功率之间达到帕累托最优

测试阶段推理的挑战

想象一名司机在开车时不断分析路况，并频繁回顾交通规则后才做决策。虽然这有助于理解环境，但当遇到陌生或复杂情况时，这种“思考过度”的方式反而容易因推理偏差而判断失误。

在视觉语言导航任务中，推理就像回顾交通规则，决策则对应真实的驾驶操作。推理本意是为了帮助机器人理解任务，但一旦进入训练中未见过的状态，思维链便可能产生幻觉。尤其是在不熟悉的环境中，过度依赖推理不仅无法提升决策，反而干扰行动、累积误差，最终导致机器人“误入歧途”。这种“推理崩塌”现象正是Aux-Think希望解决的关键问题。

Aux-Think给出的新答案

为了应对上述问题，我们提出了Aux-Think，一种全新的推理训练框架。Aux-Think的核心思想是：在训练阶段通过推理指导模型的学习，而在测试阶段，机器人直接依赖训练过程中学到的知识进行决策，不再进行推理生成。具体来说，Aux-Think将推理和行动分开进行：

训练阶段：通过引导模型学习推理任务，帮助其内化推理模式。

测试阶段：直接根据训练中学到的决策知识进行行动预测，不再进行额外的推理生成。

这种设计有效避免了测试阶段推理带来的错误和不稳定性，确保机器人能更加专注于执行任务，减少了推理过程中可能引入的负面影响。

上图中展示的是一个导航任务：“穿过房间，走到右侧的拱门并停在玻璃桌旁”。三种策略面对相同场景做出了不同反应：Pre-Think模型在行动前试图推理整条路径，认为应该“前进75cm”，但忽视了当前观察并未穿过房间，导致偏离目标；Post-Think模型在执行动作后才分析环境，发现没有看到拱门，但错误已发生，只能继续试探，继续偏航；Aux-Think则在训练时学习推理逻辑，测试时直接基于当前观察判断“右转15度”，准确识别拱门位置，成功完成导航任务。

实验结果

大量实验表明，Aux-Think在数据效率与导航表现方面优于当前领先方法。尽管训练数据较少，Aux-Think仍在多个VLN基准上取得了单目 (Monocular) 方法中的最高成功率。通过仅在训练阶段内化推理能力，Aux-Think有效缓解了测试阶段的推理幻觉与错误传播，在动态、长程导航任务中展现出更强的泛化能力与稳定性。