NavVerse 是一个全新的物理仿真基准，旨在评估机器人在连续运行中从室内导航到室外的能力。在配送、校园和应急响应等场景中，机器人常常需要在一段连续的任务中从建筑物内部走到街道上。然而，现有的基准通常将室内和室外导航分开评估，并且许多基准忽略了实际的机器人执行过程，导致出口寻找、边界穿越、环境适应以及运动动力学失败等问题未被充分探索。NavVerse 的提出正是为了填补这一空白，为研究者提供一个统一、物理真实的评估平台。
该基准由 100 个室内场景、50 个城市室外场景和 50 个室内外过渡场景组成，总共包含 10,000 个任务片段。这些任务分为三种类型：目标导航（ObjectNav），要求智能体找到指定物体；视觉语言导航（VLN），根据自然语言指令到达目标；以及地点导航（PlaceNav），搜索语义化的兴趣点，例如餐厅或银行。智能体的表现通过可执行的机器人接口进行评估，评价指标包括任务成功率、路径效率和安全指标。
研究人员在零样本设置下测试了多种基线方法，包括强化学习（RL）、视觉语言动作模型（VLA）和模块化方法。实验结果表明，当前最先进的智能体还远远不能解决跨上下文导航问题。端到端 VLA 模型在零样本场景中取得了最高的成功率，而模块化方法则展现了最强的安全性。值得注意的是，在地点导航任务中，从纯室外场景到室内外过渡场景时，所有智能体的性能都出现了明显下降，这表明环境适应仍然是主要的瓶颈。此外，研究还揭示了出口寻找和边界穿越等具体挑战，为后续研究指明了方向。
NavVerse 为研究室内外无缝导航提供了一个标准化的平台，有望推动该领域的发展，使机器人能够更稳健地应对现实世界中的跨上下文导航挑战。未来工作可能包括提高适应能力、优化安全与效率的平衡，以及扩展更多样化的场景。该基准的发布将促进更鲁棒的机器人导航系统的开发。