隨著工廠、辦公室和家庭中監控系統的日益普及，將監控系統與機器人整合為協同高效執行任務提供了有前景的發展方向。然而，現有方法主要聚焦於單機器人場景，在大型環境中的多視角協作方面存在困難。為解決這一問題，研究者基於Habitat-Sim構建了一個全新的室內協同物體導航資料集，涵蓋74個樓層共206個攝像頭，從而能夠系統評估智慧體利用多視角監控資訊的能力。該資料集覆蓋了多種室內佈局和光照條件，為訓練和評估提供了豐富的場景多樣性。
針對單機器人感知的侷限性，該團隊提出了SurveilNav協同導航框架，該框架整合了主動攝像頭排程、聯合2D/3D地圖構建、基於視覺語言模型（VLM）的價值估計以及協同目標驗證。主動攝像頭排程模組能夠根據機器人的當前位置和任務需求，動態選擇最合適的監控攝像頭提供輔助視角。聯合2D/3D地圖構建則融合了機器人的區域性觀測與監控的全域性檢視，生成一個統一的環境表示。VLM-based價值估計利用大規模預訓練的視覺語言模型來評估不同導航行動的價值，提高決策的準確性。協同目標驗證模組則透過機器人-攝像頭之間的雙向確認來確保目標定位的可靠性。
透過將機器人的動態區域性感知與監控系統的靜態全域性視角相結合，該架構有效克服了單機器人感知範圍有限和固定攝像頭固有盲區的問題，解決了低效探索的難題。在HM3D資料集上的實驗結果顯示，SurveilNav在探索效率和導航成功率方面均大幅優於現有方法，達到了當前最優效能。具體來說，與基線方法相比，導航成功率提升了約15%，探索效率提升了20%以上。此外，該系統在大規模搜尋、家庭環境和救援任務等應用場景中展現出巨大潛力。該研究成果已被ICRA 2026接收，展示了其在機器人導航領域的創新性和實用性。