HaltNav：基于轻量拓扑先验的反应式视觉中止用于鲁棒视觉语言导航

HaltNav 提出一种分层导航框架，将基于轻量文本化 osmAG 拓扑图的全局规划与视觉语言导航的局部探索和指令落地能力结合。其基于多模态大模型的 brain 模块把全局路线转换为局部执行片段，并通过反应式视觉中止（RVH）检测门关闭、通道拥挤等局部异常，使 osmAG 中对应拓扑失效并触发重规划绕行。作者还提出利用生成模型向可通行场景注入障碍的数据合成流程，以扩充困难负样本、训练中止能力。实验称该框架在无需繁琐语言指令的情况下优于多个基线，并提升了环境变化下长程视觉语言导航的鲁棒性。