一种基于动态网格地图的视觉语言导航方法及系统

本发明提出了一种基于动态网格地图的视觉语言导航方法及系统，属于导航技术领域；包括：采用CLIP模型提取RGB全景图像的视觉语言特征；将视觉语言特征和深度图像的深度特征与网格单元的绝对坐标结合，构建网格地图；并根据网格单元与导航指令的语义相关性，更新网格地图；基于级联注意力机制得到与网格地图相对应的跨模态交互特征，并利用Mamba模块进行分析，以输出预测航路点；采用DD‑PPO作为局部策略，以预测航路点作为输入进行动作分析，生成概率分布；根据概率分布选择并执行导航动作。本发明能够在避免长距离依赖的基础上，快速响应动态连续环境变化，以实现针对智能体的精准视觉语言导航。