机器人导航方法、装置、电子设备及存储介质

本发明提供一种机器人导航方法、装置、电子设备及存储介质，涉及具身智能技术领域，所述方法包括：获取多模态观测信息，并基于所述多模态观测信息生成兴趣点集合；在机器人到达所述兴趣点集合中的当前兴趣点的情况下，从所述兴趣点集合中筛选出除所述当前兴趣点外的多个候选兴趣点，并构建包含所述多个候选兴趣点的组合图像；将所述组合图像输入至视觉语言模型中，输出目标兴趣点，并控制所述机器人导航至所述目标兴趣点；其中，所述视觉语言模型用于理解图像和文本输入，并输出基于多模态推理的决策。本发明提供的方法，大幅降低了视觉语言模型的调用频率，从而显著提升了机器人的导航流畅度和整体计算效率。