AVALON
一种零样本室内导航框架，利用人类先验知识（平面图与地点线索）构建分层拓扑记忆，使机器人无需预先建图或现场训练即可在新环境中导航。
时间轴 (近 90 天)
AVALON 是一个无需预先建图和场地训练的零样本室内导航框架，针对"人熟悉、机器人陌生"的场景。
AVALON 由三个核心组件构成：人类播种的分层空间记忆、节点验证的拓扑执行、证据门控的人机记忆协同更新。
AVALON 的部署条件仅需一张平面图、若干地点线索以及一次初始的拓扑-里程计对齐，无需预先现场遍历或针对场地的模型训练。
拓扑节点网络是 AVALON 空间表示的核心抽象，仅保留关键地点（节点）及其连通关系（边），无需连续坐标。
平移重锚定是 AVALON 在无全局 SLAM 地图时维持位置感的关键操作，即每当机器人确认到达已验证拓扑节点，就将里程计坐标系原点重新锚定到该节点已知坐标上。
证据门控是一种记忆写入准入机制，仅在人类报告的变更与当前任务相关、且机器人现场感知到对应物理证据时，记忆才被更新。
AVALON 在 Unitree Go2 四足机器人上进行了实验，配合 X-NavDP 策略完成了从 Intersection 到 Dining 的 12.81 米任务。
AVALON 配合 X-NavDP 在该任务上耗时 46.4 秒，五次运行全部成功（5/5），全程无需建图。
AVALON 的机器人执行时间比 DimOS-Go2 少了 40.9%。
AVALON 用先验的、语义化的稀疏结构（人类播种的拓扑记忆）替代后验的、几何化的稠密地图（机器人自建 SLAM），代价是失去连续度量地图带来的精确局部规划能力，收益是零样本部署和更快的任务启动。
还有 2 条时间轴事件
全部知识事实 (12)
AVALON 是一个无需预先建图和场地训练的零样本室内导航框架，针对"人熟悉、机器人陌生"的场景。
50%待验证AVALON 由三个核心组件构成：人类播种的分层空间记忆、节点验证的拓扑执行、证据门控的人机记忆协同更新。
50%待验证AVALON 的部署条件仅需一张平面图、若干地点线索以及一次初始的拓扑-里程计对齐，无需预先现场遍历或针对场地的模型训练。
50%待验证拓扑节点网络是 AVALON 空间表示的核心抽象，仅保留关键地点（节点）及其连通关系（边），无需连续坐标。
50%待验证平移重锚定是 AVALON 在无全局 SLAM 地图时维持位置感的关键操作，即每当机器人确认到达已验证拓扑节点，就将里程计坐标系原点重新锚定到该节点已知坐标上。
50%待验证证据门控是一种记忆写入准入机制，仅在人类报告的变更与当前任务相关、且机器人现场感知到对应物理证据时，记忆才被更新。
50%待验证AVALON 在 Unitree Go2 四足机器人上进行了实验，配合 X-NavDP 策略完成了从 Intersection 到 Dining 的 12.81 米任务。
50%待验证AVALON 配合 X-NavDP 在该任务上耗时 46.4 秒，五次运行全部成功（5/5），全程无需建图。
50%待验证AVALON 的机器人执行时间比 DimOS-Go2 少了 40.9%。
50%待验证AVALON 用先验的、语义化的稀疏结构（人类播种的拓扑记忆）替代后验的、几何化的稠密地图（机器人自建 SLAM），代价是失去连续度量地图带来的精确局部规划能力，收益是零样本部署和更快的任务启动。
50%待验证节点验证要求机器人到达某处时必须确认自己确实到了预期节点，否则拓扑推理会级联出错。
50%待验证AVALON 目前公开的实验规模有限，单任务、单一机器人平台的验证还不足以说明框架在更复杂场景下的泛化能力。
50%