内容摘要
把语言引导的导航策略部署进新楼，常先要看着它失败：公开基准上训练过的 VLA（视觉-语言-动作模型）会随布局、外观和用户措辞逐场景退化，现场遥操作补采轨迹又难以规模化。论文的问题是：机器人能否只凭一次被动扫描适配新场景，全程不提供人工示范轨迹？
做法分两层。Scan2Instruction 把一次简短的 iPhone 扫描编译成训练环境：取出高斯渲染的外观层和可查询的自由空间几何图，采样覆盖路线跟随、目标物体、功能性需求三类指令的可行回合，每回合规划避碰轨迹、渲染第一人称图像，再合成视觉落地且与规划路径对齐的指令；仍需一次人工场景标定，之后不再需要人工示范。PRPT-KS（已知场景中的帕累托效用强化后训练）从重建几何直接读出三维帕累托效用向量（路径进度、障碍安全、正确停止），复用为驱动策略梯度的标量投影、门控规划器接管的逐轴可接受性判据和对偏好对的支配加权，因而不需要学习型评论家、奖励模型或人工标签。
在办公室、小屋、教学楼和两套公寓五个真实环境上，适配后的 RealNav 真机成功率 85%，人工示范后训练的同一模型基线 49%；未扫描区域 82% 对 41%。仿真消融中场景后训练把成功率从 0.23 提到 0.85，去掉行为克隆锚定项降到 0.30；但去掉策略梯度或偏好加权后终点导航误差反而更低（1.31 m、1.32 m 对 1.42 m），收益并不均匀。成功率按 1.5 m 判定半径统计；SPL、NE（终点导航误差）、OS（oracle 成功率）需真值路径与位姿，真机端不可靠，只在消融中报告。
点评
对机器人本体软件开发者，最实用的变化是把「进入一个新场地」的前置成本从逐场景遥操作采数据，换成一次扫描加一次人工标定：同一份重建几何在流程里承担三件事——生成训练回合、提供后训练用的效用信号、以及在动作被判不安全或进度倒退时由规划器接管。可照搬的是这条「扫描—标定—后训练」的分工与几何兜底思路，而不是他们的模型或数字；换用自家策略与本体仍需自行复现，本文数字是在作者自己的五个室内场景和自有机器人上、按 1.5 m 判定半径得到的。
证据是本次材料中的 arXiv 预印本全文，结论全部出自作者一方，无同行评审与独立复现，材料本身是该论文的 HTML 快照、表格被拉平为文本。结论只在五个室内场景（办公室、小屋、教学楼、两套公寓）与作者自有机器人这一设置上成立，不构成跨平台或通用能力的结论：成功率按 1.5 m 判定半径统计；训练与评测回合虽分开采样，但同一扫描场景内的路径与区域不保证互斥；未扫描区域评测每场景 20 次真机试验、合计 100 次，样本量有限；消融显示终点导航误差并未随成功率同步改善。扫描仍需人工操作者，且每个场景只扫一次，布局大幅变化后几何会过期、需要重新扫描。
版本与核查范围
版本 2610.33794v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #abstract1.1；#abstract1.1；#S1.p3.1；#S3.SS3.SSS0.Px1.p1.1；#S3.SS4.p1.2；#S3.SS4.SSS0.Px3.p1.2；#S1.p5.1；#S4.SS4.p2.1；#S4.SS1.SSS0.Px3.p1.1；#S4.SS1.SSS0.Px1.p1.1；#S4.SS3.p1.1；#S5.SS0.SSS0.Px1.p1.1