内容摘要
不少具身导航任务仍是一次性的：走完一段路就结束，遇到歧义不求助，走过的经验也留不下。这篇论文提出 EvoLife，把三件事收进同一个决策循环：怎么走、何时提问、留下什么经验。混合动作空间提供四种移动方式——走向候选航点、小步前进或转向微调、在图像上点选地面位置走过去、先用 RGB-D 定位物体再靠近；持久空间记忆把地点与描述、观测、历史图像和对话绑定成可复用的"地点记录"。
作者在 Habitat 仿真中评测四类任务、八个基准，主实验用 GPT-6 Astra（ultra 推理档）同时扮演导航端与在线向导，上下文隔离：向导掌握位姿、目标位置与最短可通行路径，但只回传自然语言回答。四个导航基准上 SR 均为 100%；LHPR-VLN 整段序列 SR 98.0%，GOAT-Bench 整段成功率 94.0%。
消融最能说明机制：R2R 上无交互无记忆时 SR 86%、SPL 63.7%，加交互后 100%/82.2%，关闭交互、仅用首次访问留下的记忆回访时为 100%/93.3%。
前提也要讲清：向导是掌握答案的仿真模型；作者自陈决策时延与 API 成本限制长期真机应用；真机只有定性案例，如门被关上时主动请人开门再继续导航。均为作者自报，无独立复现。
点评
对做机器人本体软件的工程师，可迁移之处在接口组织方式：把移动、求助、记忆做成同一决策循环里的可调用动作，把"地点记录"当作可持久化的数据对象跨任务保留并可修订，而不是每个任务从零开始。其消融量级可作参考——在 R2R 上交互把 SR 从 86% 拉到 100%，记忆回访再把 SPL 从 82.2% 提到 93.3%。这些均为作者论文自报结果，本次材料未包含独立复现。
限制主要有三点：仿真向导拥有目标位置、位姿和最短可通行路径等特权信息、只以自然语言回传，与真实人机问答的条件并不相同；作者自陈决策时延与 API 成本限制其用于长期真机任务；真机验证只有定性案例，成功率与消融数据全部来自仿真，本次材料未包含独立复现。此外，本次材料为 arXiv 的 HTML 全文快照，数值按快照中的正文与表格转写。
版本与核查范围
版本 2610.39446v1 · 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 #S1.p5.1；#S2.SS3.p3.1；#S3.SS4.p3.1；#S4.SS1.SSS0.Px2.p1.1；#S1.p8.1；#S4.SS2.p1.1；#S4.SS2.p3.1；#S4.SS3.p1.1；#S4.SS3.p2.1；#S4.SS5.p2.1；#S4.SS8.p3.1；#S5.p3.1