TAMP-Nav：面向高效具身导航的 Point、Think、Memorize 与 Align 框架

研究者提出统一具身导航框架 TAMP-Nav，通过 Pixel-to-3D 动作公式让 VLM 只选 2D 像素再投影为 3D 坐标交由 SLAM 控制器执行，并引入选择性推理与 Anchor-Trajectory 记忆机制及基于 GRPO 的两级对齐范式。该框架在 R2R-CE 上达到 66.2% SR 的 SOTA 表现，仅需 90k 训练轨迹，兼具运行时与样本效率。