제로샷 구현 내비게이션(zero-shot embodied navigation)에서 장기 계획 수립을 위한 메모리 구축 문제를 다루는 새로운 프레임워크 EvoMemNav가 arXiv에 공개됐다. 기존의 탐지기 중심 장면 그래프는 관측 데이터를 희소 노드로 압축해 세밀한 시각 정보를 버리고 노이즈를 축적하는 반면, 3D 재구성 기반 방법은 계산 비용이 지나치게 크다는 한계가 있었다.
EvoMemNav는 원시 시각 뷰를 1등급 메모리로 유지하면서 경량 의미 단서와 위상적 관계를 통해 방-뷰-객체 계층 구조로 조직하는 VSMGraph(시각-의미 메모리 그래프)를 구성한다. 성장하는 메모리를 처리하기 위해 거친 단계에서 탐색 공간을 유망 영역으로 압축하고, 세밀 단계에서 VLM을 목표 검증과 최종 결정에만 선택적으로 호출하는 예산 제약 계층적 정책을 도입했다. 또한 각 서브태스크 완료 후 반성 기반 쓰기 역전파(reflection-driven write-back)를 수행해 재훈련 없이 미래 결정을 개선하는 그래프 부착 사전 지식을 갱신한다.
GOAT-Bench와 HM3D 벤치마크에서 객체·텍스트 설명·이미지 목표 등 다양한 모달리티 전반에 걸쳐 SR(성공률)/SPL(경로 효율) 지표가 일관되게 향상됐으며, 다중 인스턴스 구분 정확도 향상, 조기 중지 감소, 제로샷 일반화 강화가 확인됐다고 연구팀은 밝혔다.
구현 내비게이션은 로봇이나 AI 에이전트가 사전 지도 없이 미지의 환경을 탐색하며 목표 객체나 위치를 찾아야 하는 태스크로, 실내 서비스 로봇·창고 자동화·보조 AI 기기 등 다양한 분야에서 핵심 능력으로 요구된다. EvoMemNav는 메모리 효율과 세밀한 시각 추론을 동시에 갖추는 방향으로 이 문제에 접근했다는 점에서 주목받는다.
