NavVerse 是一個全新的物理仿真基準，旨在評估機器人在連續運行中從室內導航到室外的能力。在配送、校園和應急響應等場景中，機器人常常需要在一段連續的任務中從建築物內部走到街道上。然而，現有的基準通常將室內和室外導航分開評估，並且許多基準忽略了實際的機器人執行過程，導致出口尋找、邊界穿越、環境適應以及運動動力學失敗等問題未被充分探索。NavVerse 的提出正是為了填補這一空白，為研究者提供一個統一、物理真實的評估平台。
該基準由 100 個室內場景、50 個城市室外場景和 50 個室內外過渡場景組成，總共包含 10,000 個任務片段。這些任務分為三種類型：目標導航（ObjectNav），要求智能體找到指定物體；視覺語言導航（VLN），根據自然語言指令到達目標；以及地點導航（PlaceNav），搜索語義化的興趣點，例如餐廳或銀行。智能體的表現通過可執行的機器人接口進行評估，評價指標包括任務成功率、路徑效率和安全指標。
研究人員在零樣本設置下測試了多種基線方法，包括強化學習（RL）、視覺語言動作模型（VLA）和模塊化方法。實驗結果表明，當前最先進的智能體還遠遠不能解決跨上下文導航問題。端到端 VLA 模型在零樣本場景中取得了最高的成功率，而模塊化方法則展現了最強的安全性。值得注意的是，在地點導航任務中，從純室外場景到室內外過渡場景時，所有智能體的性能都出現了明顯下降，這表明環境適應仍然是主要的瓶頸。此外，研究還揭示了出口尋找和邊界穿越等具體挑戰，為後續研究指明瞭方向。
NavVerse 為研究室內外無縫導航提供了一個標準化的平台，有望推動該領域的發展，使機器人能夠更穩健地應對現實世界中的跨上下文導航挑戰。未來工作可能包括提高適應能力、優化安全與效率的平衡，以及擴展更多樣化的場景。該基準的發佈將促進更魯棒的機器人導航系統的開發。