演绎思维链增强的社交感知机器人导航世界模型

arXiv 25.10 2025 50.8 method

TLDR

NaviWM通过时空世界模型和演绎思维链增强LLM推理，实现社交感知导航，提高成功率并减少违规。

评分理由

The paper introduces a novel integration of formal logic with LLMs for interpretable reasoning in navigation, showing empirical improvements. However, it lacks explicit real-world validation and may face scalability issues with complex social norms.

Read-first 评分解释

综合优先阅读分 50.8，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 32。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：实验、结果

主题相关性 42%

45.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：352。

关键词评分

world model

world dynamics prediction

interactive world model

world simulator

generative world model

model-based reinforcement learning world model

video world model

深度分析

创新点

将时空世界模型与演绎推理模块集成，用于社交感知机器人导航
将社交规范编码为一阶逻辑，实现可解释和可验证的推理
逻辑驱动的思维链过程，引导LLM进行多步推理以生成导航决策

方法

NaviWM包含一个时空世界模型，捕捉环境中智能体的位置、速度和活动，以及一个演绎推理模块，引导LLM进行多步、基于逻辑的推理过程。社交规范被编码为一阶逻辑，以实现可解释和可验证的推理。该系统在拥挤环境中进行评估，并与先前的提示或微调方法进行比较。

关键结果

实验表明，NaviWM提高了成功率并减少了社交违规，尤其是在拥挤环境中。

资源

论文