近日，实验室关于多目标导航的工作“Goal-oriented Dynamic Weight Optimization for Multi-Object Navigation”（作者：曾海涛、宋新航、蒋树强）被T-PAMI接收。T-PAMI全称为IEEE Transactions on Pattern Analysis and Machine Intelligence, 是模式识别、计算机视觉及机器学习领域的主流国际期刊, 2025年公布的影响因子为18.6。
多目标导航任务要求智能体在一次任务中按顺序完成多个目标的搜索与到达，目标之间存在显著的时序耦合和空间关联。现有方法多聚焦单一子任务的局部路径优化，难以兼顾全局规划，容易出现路径冗余等问题。针对上述挑战，我们提出了目标导向动态权重优化方法（Goal-oriented Dynamic Weight Optimization，GDWO），将多目标导航建模为目标导向的闭环优化过程，通过将各目标策略损失统一投射到同一决策空间，利用梯度信息动态调整不同目标的优化权重，并结合导航成功率进行归一化处理，使训练过程能够自适应关注更具挑战性的目标。此外，方法引入基于先验知识的导航模块和面向前沿区域的探索模块，进一步提升探索效率和路径规划质量。实验结果表明，该方法在Gibson和Matterport3D数据集的多目标导航任务中，在成功率和路径效率等指标上均显著优于现有方法，展现出良好的稳定性和泛化能力。
附件：