EvolveNav：基於主動預想與自進化記憶零樣本目標導航

針對零樣本物體目標導航（ZS-OGN）中智能體缺乏適應性與易犯重複錯誤的問題，本文提出了一種具備持續測試時改進能力的自進化框架。該方法透過從歷史軌跡中提取可執行知識建構智能體規則記憶，並採用基於上置信界的檢索策略，在語義相關性與歷史成功率之間取得平衡以篩選有效規則。此外，引入記憶引導的預想模組，在動作執行前預測潛在結果，從而減少低效探索。實驗表明，該方法在零樣本基準上顯著優於現有基線，成功率提升10.1%，且減少了不必要的探索步驟，展現了強大的泛化與自適應能力。