英伟达等团队提出GLST，面向在线链式目标导航分解时空记忆

英伟达Marco Pavone团队联合斯坦福大学与UC伯克利，提出名为GLST的研究，关注一种被现有导航算法忽视的设定——在线链式目标导航。该设定下，机器人在执行任务途中可能被要求更换目标，例如原本前往配电室，中途改为水泵房，且系统收不到明确的切换提示。研究指出，现有算法通常假设一个回合只有一个固定目标，因此在这类场景中容易出现性能下降。GLST的核心发现是梯度冲突：鼓励探索新区域的奖励，与促使策略性重访旧区域的奖励，在共享记忆结构中产生方向相反的梯度，导致调参难以兼顾。为此，研究提出对空间与时间记忆进行显式分解，以缓解两类信号在记忆表示上的相互干扰。相关论文编号为arXiv:2，具体编号原文未完整给出，研究团队与机构信息来自发布视频的介绍。