VLN 任务与评测：数据集、动作空间与评价指标

VLN 系列目录 · 第 01 篇

按学习顺序阅读

1. 00 · 视觉语言导航综述：从任务评测到机器人闭环
2. 01 · VLN 任务与评测：数据集、动作空间与评价指标
3. 02 · VLN 基础模型：序列建模、跨模态注意力与动作预测
4. 03 · VLN 策略学习：模仿学习、强化学习与分布偏移
5. 04 · VLN 视觉语言预训练：代理任务、数据构造与迁移
6. 05 · VLN 地图表示与决策：拓扑记忆、双尺度融合与空间推理
7. 06 · 大模型驱动的 VLN：语言规划、视觉理解与动作生成
8. 07 · 机器人视觉语言导航：仿真迁移、可通行性与运动执行

视觉语言导航的评价取决于任务如何定义：沿指定路线到达、寻找描述中的物体、根据对话继续行动，分别需要不同的输入、输出与成功条件。本文梳理代表性数据集和动作空间，推导终点成功、路径效率与路线忠实度指标，并用可复算的轨迹例子解释这些指标之间的差异。

“先经过靠窗的餐桌，再穿过走廊，在书架旁停下。”如果智能体绕开餐桌，直接走到书架，它完成了多少任务？终点正确，运动也可能更高效，但指定的路线没有完整执行。再把指令换成“找到客厅窗边的那盏落地灯”，评价还要检查智能体是否认对了物体。

这两种情形说明，模型结构之前需要先确定任务协议：语言提供什么信息，策略能看到什么，动作如何执行，评测器依据什么判定成功。系列综述给出了研究版图，本篇进一步建立阅读数据集、模型实验和评测代码所需的共同定义。

一、任务定义与信息边界

1.1 语言条件下的闭环决策

设语言输入为 $x$，时刻 $t$ 的观测为 $o_t$，此前执行的动作为 $a_{<t}$。一个通用的导航策略可以写成

$$a_t\sim\pi_\theta(\cdot\mid x,o_{\le t},a_{<t}).$$

$\pi_\theta$ 表示参数为 $\theta$ 的动作分布。观测可以包含 RGB、深度、朝向、局部候选等，但具体有哪些内容，必须由任务协议限定。策略执行一个动作后，环境产生新的观测；动作序列因此依赖实际经历，无法仅凭一句指令提前固定下来。

令环境状态为 $s_t$，这一过程可抽象为

$$s_{t+1}\sim\mathcal T(\cdot\mid s_t,a_t), \qquad o_{t+1}\sim\mathcal O(\cdot\mid s_{t+1}).$$

$\mathcal T$ 是状态转移机制，$\mathcal O$ 是观测机制。状态可能包括完整布局与机器人位姿，策略只取得其中允许观测的部分。这组表达式既能描述导航图上的移动，也能描述连续空间执行；差别在于状态、观测与动作的具体定义。

完成一次回合后，策略输出执行轨迹 $P$ 和终止结果。目标指代任务还需要物体预测 $\hat y$；交互任务可能允许追加求助动作，并使语言输入随对话更新。

1.2 策略输入、训练监督与评测真值

一个数据文件可能同时保存完整参考路线、终点、物体标注和相机位姿。这些字段具有不同用途，不能因为它们存在于文件中，就全部作为测试策略的输入。

信息	训练或评测中的用途	测试策略的使用条件
指令、当前视觉	理解任务与当前环境	按任务协议提供
当前合法候选、相对方向	构造动作集合	图导航可提供；其他设定需自行预测或构建
参考路线、专家动作	监督学习、路线对齐评分	不能作为自主导航的真值提示
目标位置、完整距离表	生成教师动作、计算误差和最短路	评测器可用，不自动向策略开放
物体候选框	候选级视觉指代	取决于基准是否提供；不等于告知正确目标

由此还要区分三个对象：场景资源提供环境，模拟器提供交互，数据集提供任务实例与标注。 例如 Matterport3D、Matterport3D Simulator 与 R2R 分别承担这三种职责。换模拟器、增加深度输入或提供更准确的候选位置，都可能改变模型需要解决的问题。R2R 论文

二、数据集与任务能力

2.1 路线跟随：R2R、R4R 与 RxR

R2R（Room-to-Room）将室内扫描环境中的路线与自然语言对应起来。它的典型任务是从指定起点出发，依据逐步描述经过地标，并在目标附近停止。原数据包含 7,189 条路线，每条有三份描述，共 21,567 条指令；路线来自满足长度限制的最短路径采样。R2R

这一构造使“跟随参考路线”与“高效到达终点”经常具有一致方向，但两者在定义上仍有区别。如果模型只依赖终点词语或路线分布，也可能取得一定成功；成功率本身无法说明它使用了多少中间指令。

R4R（Room-for-Room）把两条端点相近的 R2R 路线通过连接路径组合，同时拼接语言描述。组合路线可能包含折返和非最短路段，要求模型保留先后顺序与中间地标。此时，到终点的捷径可能偏离指令，评测需要考虑整条参考路线。R4R

RxR（Room-Across-Room）进一步扩展语言与标注方式，包含英语、印地语和泰卢固语，并将词语时间与标注者的相机姿态对齐。它支持研究多语言泛化，以及语言片段与沿途视觉之间的联系。时间对齐提供了“说到这里时看向哪里”的线索，并不直接等价于逐词对应的物体分割真值。RxR

三者的关系可以从研究变量理解：R2R 建立基本的指令跟随任务；R4R 强化路线忠实度；RxR 扩展语言覆盖及视觉语言对齐。它们不是可以仅凭规模大小排列的难度等级。

2.2 目标寻找：REVERIE 与 SOON

路线描述通常依赖起点和行走方向。“离开房间后右转”换一个起点就可能失去意义；“客厅窗边、沙发左侧的落地灯”则主要描述目标及其环境关系。

REVERIE要求智能体寻找起点不可见的目标物体，并完成视觉指代。评测需要区分：是否停在能观察目标的位置，以及是否选择了正确对象。对于提供候选框的设置，核心输出是正确候选；对于直接预测框的设置，还要按照规定检查框的重合度。两种设置承担的检测与定位工作量不同。REVERIE

SOON强调与起点相对独立的目标描述，使用对象属性、对象关系、所在区域及邻近区域引导探索。例如，房间线索先缩小搜索范围，对象关系再区分具体目标。其定位评价检查预测方向是否落在目标框内，因此不能直接套用另一数据集的框检测规则。SOON

目标寻找允许智能体自行选择合理路线。若语言没有规定必须经过某处，就不能仅因为它未复现某一条示范路线而认定失败。参考路线在这类任务中可能服务于训练或效率计算，其角色应与路线跟随任务分别说明。

2.3 交互式导航：CVDN 与 HANNA

CVDN采集导航者与协助者的对话。其 Navigation from Dialog History（NDH）任务使用目标提示、已有对话和当前观测，预测接下来的行动。这里主要检验理解已有对话后的导航能力；“何时主动提问、如何生成问题”还需要相应的交互任务设计。CVDN

HANNA允许智能体请求帮助，并获得语言与视觉形式的辅助信息。因此，导航能力之外，还需要分析求助时机、次数、助手信息和交互预算。拥有更多外部辅助的策略，即使成功率更高，也不能据此认定其自主导航能力更强。HANNA

2.4 街景导航：Touchdown

Touchdown使用街景全景图，研究长距离语言导航与空间描述解析。其导航任务要求到达目标节点或邻接节点；Spatial Description Resolution（SDR）则根据语言，在图像中预测被指代的位置。后者的输出是像素坐标，评价尺度也随之改变。Touchdown

街景图来自现实采集，但在图中移动仍是仿真交互。该协议没有自动包含动态行人避让、交通规则或真实底盘控制。

2.5 数据集的对照维度

任务或数据集	语言主要提供什么	额外输出或信息	评价重点
R2R	逐步路线描述	轨迹与停止	到达、路径效率
R4R	组合后的长路线描述	参考路线	中间地点覆盖、访问顺序
RxR	多语言路线描述	带时间与姿态关联的标注	到达、路线忠实度、多语言泛化
REVERIE	远程物体指代	目标物体预测	导航与物体接地
SOON	目标属性、关系与区域	目标方向预测	自主探索与目标定位
CVDN／NDH	目标提示与对话历史	历史问答	根据对话向目标推进
HANNA	目标及按需辅助	求助动作、语言与视觉帮助	导航成功与求助行为
Touchdown	街景路线及空间描述	导航轨迹或图像坐标	街景到达、空间描述解析
VLN-CE	连续环境中的路线指令	低层动作与执行轨迹	到达、路线质量及运动执行

VLN-CE 的主要变化发生在环境与动作接口，下面单独展开。表中每一行都需要配合具体版本的输入权限、划分和评测器理解。

三、动作空间与环境假设

3.1 导航图与全景候选

图导航将环境表示为加权图 $G=(V,E)$：节点对应可观察位置，边表示可通行连接。在常见的全景候选接口中，动作集合可抽象为

$$\mathcal A_t=\mathcal N(v_t)\cup\{\mathrm{STOP}\},$$

其中 $v_t$ 是当前节点，$\mathcal N(v_t)$ 是允许选择的邻接节点。策略选择一个候选后，环境把智能体移动到对应位置。

这是一种高层接口概括。原始 R2R 基线还包含转头、抬头、低头和受当前视野约束的移动；后续全景方法改变了观测和候选组织。使用同一个 R2R 数据集，不代表使用同一种动作接口。 R2R 模拟器与任务定义

已给出的连边至少提供了局部可通行性先验，节点间移动也屏蔽了沿途的低层控制过程。策略获取相邻候选，不等于已经获得整栋建筑的完整地图；这两种信息权限仍需分别记录。

3.2 连续环境中的离散控制

VLN-CE 将路线执行放入连续三维环境。其原始低层动作包括前进 $0.25\,\mathrm m$、左转 $15^\circ$、右转 $15^\circ$ 和停止。位置在连续空间变化，但动作集合仍然有限。VLN-CE

图 1：动作接口示意。图中节点与轨迹为解释概念而绘制；连续值控制一栏表示通用机器人接口，不是原始 VLN-CE 的动作定义。 查看原图

与图上选择邻点相比，连续执行需要处理沿途观测、局部障碍、转向与停止。VLN-CE 的原始设定移除了预给拓扑、节点间短程代走和完美定位等强假设，但仿真的低层运动仍有自身简化，不能由“连续”直接推导出已经验证真实机器人动力学。

3.3 连续值动作与分层执行

如果策略直接输出底盘线速度和角速度，可以写成 $a_t=(u_t,\omega_t)\in\mathbb R^2$，其中 $u_t$ 是线速度，$\omega_t$ 是角速度。也可以先预测路点，再由规划器和控制器执行。速度命令通常还受机体能力约束，其可取范围和执行周期都是接口定义的一部分。

接口	一次决策输出	局部执行由谁承担	必须记录的条件
图节点选择	邻接节点或 STOP	导航图交互接口	候选来源、全景范围、位置权限
连续环境离散步进	前进、转动或 STOP	仿真运动与碰撞机制	步长、转角、机体尺寸、碰撞配置
连续值运动控制	速度、角速度等实数	控制器与机体	单位、频率、速度限制、动力学
路点与分层执行	目标路点或中层动作	规划器与低层控制器	路点可达性、执行容差、失败反馈

步数不能跨这些接口直接比较。一次图跳转与一次 $0.25\,\mathrm m$ 前进的空间尺度不同；连续值控制还依赖持续时间。要评价执行效率，需要进一步报告实际路程、时间与相关计算成本。

四、终点成功、路径效率与路线忠实度

4.1 距离、轨迹与符号约定

下文对单个回合使用：执行路径 $P=(p_1,\ldots,p_n)$、参考路径 $R=(r_1,\ldots,r_m)$、目标 $g=r_m$，以及成功距离阈值 $\delta$。$d(u,v)$ 表示协议规定的最短可通行距离；图任务通常使用加权最短路，连续环境则依具体评测器确定。

隔墙的两点可能直线距离很小，可通行距离却很长。自行实现指标时，替换距离函数会改变任务含义。

对于由合法相邻图移动构成的路径，其长度为

$$L(P)=\sum_{j=1}^{n-1}d(p_j,p_{j+1}).$$

连续执行则应按协议累计实际运动轨迹长度。把稀疏日志点之间的最短距离相加，可能漏掉两次记录之间的绕行。同一地点的纯旋转在路径长度中可以贡献零，但仍消耗时间。

4.2 NE、SR 与 OSR：终点和停止行为

导航误差 Navigation Error 衡量最终位置到目标的距离：

$$\mathrm{NE}=d(p_n,g).$$

原始 R2R 采用严格小于 $3\,\mathrm m$ 的成功条件。令第 $i$ 个回合的成功指示为 $S_i$，则

$$S_i=\mathbf1[\mathrm{NE}_i<\delta], \qquad \mathrm{SR}=\frac1N\sum_{i=1}^{N}S_i.$$

$N$ 是评测回合数，$\mathbf1[\cdot]$ 在条件成立时取 1，否则取 0。更换基准时，应使用它规定的阈值、边界不等号和终止条件。R2R 评价定义

Oracle Success Rate 检查轨迹是否曾经进入目标范围：

$$\mathrm{OSR}=\frac1N\sum_{i=1}^{N} \mathbf1\!\left[\min_j d(p_{i,j},g_i)<\delta\right].$$

这里的 oracle 只在评价时利用目标真值。它不能作为策略运行时的自动停止器。同一阈值与轨迹集合下，$\mathrm{OSR}\ge\mathrm{SR}$；较大的差距提示智能体曾到过附近却没有正确结束，但仍需查看轨迹，才能判断是停止识别、回退还是步数耗尽导致失败。

4.3 SPL：成功与最短路效率

令 $\ell_i$ 为起点到目标的最短路径长度，$L_i$ 为实际执行长度。Success weighted by Path Length 定义为

$$\mathrm{SPL}=\frac1N\sum_{i=1}^{N} S_i\frac{\ell_i}{\max(\ell_i,L_i)}.$$

失败回合贡献零；成功回合再按长度效率加权。分母取最大值，使得因成功半径而提前停止、实际路程短于到精确目标的最短路时，得分仍不超过 1。该指标由导航评测建议提出。

例如，四个回合中三个成功，三条成功路径分别为对应最短路的 1、2、2 倍，那么

$$\mathrm{SR}=\frac34=0.75, \qquad \mathrm{SPL}=\frac{1+1/2+1/2+0}{4}=0.50.$$

因此 SPL 同时混合了成功与效率，不能把它直接解释成“平均绕路比例”。它满足 $0\le\mathrm{SPL}\le\mathrm{SR}$。若允许起点就是目标、最短长度为零，还必须遵循评测器的退化情况约定。

SPL 的效率基准是起终点最短路。对于明确要求经过中间地点的非最短路线，这个基准与指令忠实度可能冲突。

4.4 CLS：路径覆盖与长度匹配

Coverage weighted by Length Score 使用参考路径的全部位置。首先定义覆盖得分

$$\mathrm{PC}(P,R)=\frac1m\sum_{k=1}^{m} \exp\!\left(-\frac{d(r_k,P)}{\delta}\right), \qquad d(r_k,P)=\min_jd(r_k,p_j).$$

每个参考位置都寻找执行路径中的最近位置。距离为零时贡献 1，距离增大时贡献衰减；$\delta$ 在这里控制衰减尺度。PC 为软覆盖分数，不是“经过了多少比例的节点”的硬计数。

然后用覆盖程度缩放参考路径长度，得到期望长度 $\mathrm{EPL}$，并构造长度得分：

$$\mathrm{EPL}=\mathrm{PC}(P,R)\,L(R),$$

$$\mathrm{LS}=\frac{\mathrm{EPL}} {\mathrm{EPL}+|\mathrm{EPL}-L(P)|}, \qquad \mathrm{CLS}=\mathrm{PC}\cdot\mathrm{LS}.$$

长度项防止智能体通过大量无目的探索获得高覆盖。分子与分母均为长度，最终分数无量纲。这套定义来自 R4R 论文第 3.3 节。

CLS 中的最近点匹配没有显式要求先后顺序。因此，相同地点集合与相同长度的路径，即使访问顺序不同，也可能得到相同得分。顺序约束需要进一步引入序列对齐。

4.5 nDTW：保持顺序的轨迹对齐

Dynamic Time Warping（DTW，动态时间规整）将两条序列按顺序对齐，同时允许一个点对应另一条路径中的多个点。它从两条路径的起点开始，到两条路径的终点结束，中间不能把较晚的位置倒过来匹配到较早的位置。

令 $D_{k,j}$ 表示参考前 $k$ 个点与执行前 $j$ 个点的最小累计代价：

$$D_{k,j}=d(r_k,p_j)+ \min\{D_{k-1,j},D_{k,j-1},D_{k-1,j-1}\}.$$

初始化为 $D_{0,0}=0$，其余边界 $D_{k,0}=D_{0,j}=+\infty$（$k,j>0$）。三项分别允许推进参考序列、推进执行序列或同时推进；最终 $\mathrm{DTW}(R,P)=D_{m,n}$。

将其按参考点数与距离阈值归一化，再取负指数：

$$\mathrm{nDTW}(R,P)= \exp\!\left(-\frac{D_{m,n}}{m\delta}\right).$$

累计偏离越大，分数越低；完全匹配时为 1。$m$ 是参考路径的采样点数，不能换成参考路程的米数。精确递推需要 $O(mn)$ 时间；仅计算分数时可以用滚动行降低存储量。nDTW 论文及算法

按顺序对齐容纳了路径长度与采样的差异，但实现仍需固定距离函数、轨迹采样和归一化尺度。尤其在连续环境中，不能把一方的每帧位姿与另一方少数路点任意混用。

4.6 统一算例：相同终点，不同路线

考虑下图的四节点无向图，每条边长 $4\,\mathrm m$，只有画出的四条边可通行。指令要求沿 $S\rightarrow A\rightarrow B\rightarrow G$ 行走，参考路线长 12 米；起点到终点的最短路 $S\rightarrow G$ 只有 4 米。设 $\delta=3\,\mathrm m$。

图 2：自定义教学算例。蓝色路线经过两个指定地点，橙色虚线直接到达终点；所有分数由图中边长和本文公式计算，不是模型实验结果。

执行路线	长度 / 米	SPL	CLS	nDTW
$S,A,B,G$	12	0.3333	1.0000	1.0000
$S,G$	4	1.0000	0.4291	0.5134

表中为单回合得分。两条路线均在目标处停止，所以成功指示均为 1，终点误差均为零。捷径的 SPL 更高，而参考路线的忠实度更高。

对捷径，参考点 $S,A,B,G$ 到执行点集合 $\{S,G\}$ 的最近距离依次是 $0,4,4,0$ 米，因此

$$\mathrm{PC}=\frac{2+2e^{-4/3}}4\approx0.6318, \qquad \mathrm{EPL}=12\,\mathrm{PC}\approx7.5816\,\mathrm m.$$

代入长度得分，$\mathrm{LS}\approx0.6792$，得到 $\mathrm{CLS}\approx0.4291$。

同一捷径的 DTW 递推如下。行对应 $S,A,B,G$，列对应执行点 $S,G$；左侧是距离矩阵，右侧是累计代价矩阵：

$$C=\begin{bmatrix}0&4\\4&8\\8&4\\4&0\end{bmatrix}, \qquad D=\begin{bmatrix}0&4\\4&8\\12&8\\16&8\end{bmatrix}.$$

最终累计代价为 8 米，故 $\mathrm{nDTW}=e^{-8/(4\times3)}\approx0.5134$。这个结果来自整段路径的有序匹配，不能由终点距离推算。

该算例也说明了指标选择必须服从语言任务：若指令只要求到 $G$，捷径合理；若要求先经过 $A$、$B$，省略中间地点就改变了任务。

4.7 sDTW：成功与忠实度的联合统计

成功加权的 nDTW（sDTW，也写作 SDTW）先对每个回合相乘，再取均值：

$$\mathrm{sDTW}=\frac1N\sum_{i=1}^{N} S_i\,\mathrm{nDTW}_i.$$

它同时要求终点成功和路线匹配，失败回合贡献零。需要注意，总体 SR 与总体平均 nDTW 的乘积通常不等于 sDTW。指标定义

例如两个回合的 nDTW 为 0.9、0.7，只有第一个成功，则 sDTW 为 $0.9/2=0.45$；总体 SR 为 0.5、平均 nDTW 为 0.8，相乘却是 0.4。存在成功回合时，正确分解是

$$\mathrm{sDTW}=\mathrm{SR}\times \overline{\mathrm{nDTW}}_{\text{成功回合}}.$$

4.8 各项指标的解释边界

指标	主要衡量内容	单独使用时遗漏的内容
NE	最终位置到目标的距离	是否按指定路线行动
SR	在规定条件下最终成功	绕路程度、中间地标与顺序
OSR	是否曾到过目标附近	是否能自主正确停止
TL / PL	实际路径长度	是否成功；越短不一定越好
SPL	成功与最短路效率	非最短指令路线的忠实度
CLS	参考路线覆盖与长度匹配	显式访问顺序、终点成功门槛
nDTW	有序轨迹匹配	严格成功条件、物体是否认对
sDTW	成功条件下的有序匹配	失败回合中取得的部分进展

CLS 和 nDTW 都把参考路线当作语言执行的代理。如果一句指令允许多条合理路线，单参考评价可能惩罚另一种有效执行。解释结果时，应同时查看语言、轨迹和参考标注，而非把几何匹配分数直接等同于完整语言理解。

五、任务专属指标与实验可比性

5.1 目标定位与交互进展

目标寻找需要明确导航成功与物体定位成功的关系。可以用一般性的联合指标表达这种分工：

$$J_i=S_i^{\mathrm{nav}}S_i^{\mathrm{loc}}, \qquad \overline J=\frac1N\sum_iJ_i.$$

$S_i^{\mathrm{nav}}$ 表示满足该任务的导航条件，$S_i^{\mathrm{loc}}$ 表示目标预测正确。这是联合成功的通用表示，具体可见性、距离、候选或定位容差仍由数据集定义。REVERIE 中“停在目标可见的位置”与“选对目标”需要分别检查；SOON 的方向定位也不能替换为同名的检测框指标。

对 NDH 一类任务，目标进展可以写成

$$\mathrm{GP}=d(p_1,\mathcal G)-d(p_n,\mathcal G), \qquad d(p,\mathcal G)=\min_{g\in\mathcal G}d(p,g),$$

其中 $\mathcal G$ 是可接受目标位置的集合。正值表示接近目标，单位为米；从 12 米外走到 8 米外，进展是 4 米，却未必成功。对话帮助次数和信息预算应与进展一起记录。CVDN

Touchdown 则需要分别评价街景节点上的任务完成与图像位置解析。图节点距离、米制距离和像素误差的量纲不同，不应放在同一列作数值排名。Touchdown 任务定义

5.2 Seen 与 unseen 的划分

在原始 R2R 中，训练和 val-seen 共享建筑环境，但使用不同任务；val-unseen 与 test 使用不同于训练的建筑。原论文给出的划分为：

划分	建筑关系	指令数	主要用途
train	61 个训练环境	14,025	参数学习
val-seen	与训练共享环境	1,020	已见环境中的任务泛化
val-unseen	独立的 11 个环境	2,349	未见环境验证与模型选择
test	独立的 18 个环境	4,173	隐藏目标的测试评价

数量依据 R2R 原论文；具体复现使用对应版本的划分文件。

换一条指令不会自动产生未见环境；在相同建筑里更换路线，也不等于跨建筑泛化。另一方面，反复使用 val-unseen 选择超参数后，它承担了模型选择作用，仍需要独立测试检验最终结果。

5.3 比较模型之前的协议记录

比较维度	应明确记录的内容	缺失时可能产生的误判
任务和数据版本	数据集、split、语言、样本过滤	不同任务子集被当作同一难度
观测权限	RGB、深度、全景、位姿、候选框	额外信息收益被归入模型结构
地图与动作	预给或在线地图、动作粒度、控制器	图导航结果被当作完整运动能力
训练数据	人工、合成、预训练与目标域数据	数据优势被当作训练算法优势
推理过程	搜索、回溯、重试、步数和调用预算	更多探索换来的成功被忽略
成功和距离	阈值、边界条件、停止、测地距离	同名指标实际使用不同定义
统计方式	回合数、随机种子、逐回合聚合	小样本波动或聚合错误被当作提升

此外，报告长度效率时要统计实际执行的探索与回退路程，说明路径输出的含义。保留最终选中的短路径、删去此前走过的分支，会改变对执行代价的评价。导航评测建议

同一批数据上的指标还提供了基本一致性约束：在本文的成功定义与非退化长度条件下，$\mathrm{OSR}\ge\mathrm{SR}\ge\mathrm{SPL}$，且 $\mathrm{sDTW}\le\mathrm{SR}$。若表格违反这些关系，应先检查样本集合、归一化、评测版本和实现，而不是直接解释为模型特性。

完整的 VLN 结果应回答三个层次的问题：是否完成任务，是否按照语言约束完成，以及为此使用了什么信息和执行代价。 数据集规定问题边界，动作空间规定决策责任，评价指标则决定哪些行为得到奖励。把这三者对齐，后续关于模型结构、策略学习与机器人部署的比较才有明确含义。

参考资料

1. Vision-and-Language Navigation: Interpreting Visually-Grounded Navigation Instructions in Real Environments：R2R、模拟器接口与原始评价协议。
2. On Evaluation of Embodied Navigation Agents：SPL 与导航评测条件。
3. Stay on the Path: Instruction Fidelity in Vision-and-Language Navigation：R4R 与 CLS。
4. General Evaluation for Instruction Conditioned Navigation using Dynamic Time Warping：nDTW、sDTW 与动态规划计算。
5. Beyond the Nav-Graph: Vision-and-Language Navigation in Continuous Environments：VLN-CE 的环境和低层动作。
6. Room-Across-Room: Multilingual Vision-and-Language Navigation with Dense Spatiotemporal Grounding：RxR 的语言与对齐标注。
7. REVERIE: Remote Embodied Visual Referring Expression in Real Indoor Environments：远程物体指代及导航、定位评价。
8. SOON: Scenario Oriented Object Navigation with Graph-based Exploration：目标导向探索与定位。
9. Vision-and-Dialog Navigation：CVDN、NDH 与目标进展。
10. Help, Anna! Visual Navigation with Natural Multimodal Assistance via Retrospective Curiosity-Encouraging Imitation Learning：按需多模态协助。
11. Touchdown: Natural Language Navigation and Spatial Reasoning in Visual Street Environments：街景导航与空间描述解析。