🏠 简介

InternNav 是一个基于 PyTorch、Habitat 和 Isaac Sim 的一体化开源具身导航工具箱。

亮点

• 全栈导航系统的模块化支持

我们支持整个导航系统的模块化定制与研究，包括离散动作空间的视觉-语言导航（VLN-CE）、给定点/图像/轨迹目标的视觉导航（VN），以及连续轨迹输出的完整 VLN 系统。

• 与主流仿真平台的兼容性

该工具箱兼容不同的训练和评估需求，支持 Habitat 和 Isaac Sim 等主流仿真平台的不同环境。

• 全面的数据集、模型和基准测试

该工具箱支持最全面的 6 个数据集和基准测试，以及 10 多种流行的基线模型，既包括主流方法，也包含我们新建立的创新方法。

• 当前最先进的水平

该工具箱支持最先进的高质量导航数据集 InternData-N1，其中包含 3000 多个场景和 83 万条 VLN 数据，覆盖多样化的具身形态和场景；同时还推出了首个双系统导航基础模型 InternVLA-N1，该模型在所有基准测试中均表现出色，并具备在真实世界中的零样本泛化能力。

🔥 最新消息

📋 目录

• 🏠 简介
• 🔥 最新消息
• 📚 快速入门
• 📦 基准测试与模型库概览
• 🔧 自定义
• 👥 贡献
• 🚀 社区部署与最佳实践
• 🔗 引用
• 📄 许可证
• 👏 致谢

📚 快速入门

请参阅 文档，了解如何从安装到训练或评估支持的模型，快速上手 InternNav。

📦 概览

🧪 支持的基准测试

🤗 模型动物园与下载

📊 基准测试结果

VLN-CE 基准测试

📍 R2R 数据集

📍 RxR 数据集

VLN-PE 基准测试

📍 R2R 未见场景中的 Flash 控制器

📍 R2R 未见场景中的物理控制器

视觉导航基准测试

📍 ClutteredEnv 数据集

📍 InternScenes 数据集

🔧 自定义

请参阅教程，了解 InternNav 的高级用法，包括数据集、模型和实验设置的自定义。

👥 贡献

如果您希望为 InternNav 做出贡献，请查看我们的贡献指南。例如，提交问题、修复框架中的错误，以及适配或添加新的策略和数据到框架中。

注： 我们欢迎您在自己的环境中部署该模型时提供的零样本性能反馈。请向我们展示您的结果，并告知我们对未来模型能力的需求。我们将挑选最有价值的建议，在接下来的几个月内与用户合作共同解决它们 :)

🚀 社区部署与最佳实践

我们很高兴看到InternNav正在被社区应用于不同机器人和真实场景中，并不断扩展其功能。

以下是一些精选的社区驱动部署指南和解决方案文章，可供高级用户参考：

• IROS挑战赛导航赛道：冠军方案（2025） 一套完整的物理环境中视觉-语言导航系统级解决方案及设计分析。 🔗 https://zhuanlan.zhihu.com/p/1969046543286907790

• Go2系列部署教程（上海科技大学） 基于InternNav的感知与导航的边缘部署分步指南。 🔗 https://github.com/cmjang/InternNav-deploy

• G1系列部署教程（武汉大学） 关于视觉-语言导航部署的详细教学材料。 🔗 第5章：视觉-语言导航（下）

🔗 引用

如果您觉得我们的InternVLA-N1（双系统）模型有所帮助，请引用我们的ICLR论文及之前的技术报告：

@inproceedings{
  wei2026ground,
  title={Ground Slow, Move Fast: A Dual-System Foundation Model for Generalizable Vision-Language Navigation},
  author={Meng Wei and Chenyang Wan and Jiaqi Peng and Xiqian Yu and Yuqiang Yang and Delin Feng and Wenzhe Cai and Chenming Zhu and Tai Wang and Jiangmiao Pang and Xihui Liu},
  booktitle={The Fourteenth International Conference on Learning Representations},
  year={2026},
  url={https://openreview.net/forum?id=GK4rznYwhn}
}
@misc{internvla-n1,
    title = {{InternVLA-N1: An} Open Dual-System Navigation Foundation Model with Learned Latent Plans},
    author = {InternNav Team},
    year = {2025},
    booktitle={arXiv},
}

如果您使用本InternNav代码库开发了自己的方法，请引用我们的代码库：

@misc{internnav2025,
    title = {{InternNav: InternRobotics'} open platform for building generalized navigation foundation models},
    author = {InternNav Contributors},
    howpublished={\url{https://github.com/InternRobotics/InternNav}},
    year = {2025}
}

@inproceedings{vlnpe,
  title={Rethinking the Embodied Gap in Vision-and-Language Navigation: A Holistic Study of Physical and Visual Disparities},
  author={Wang, Liuyi and Xia, Xinyuan and Zhao, Hui and Wang, Hanqing and Wang, Tai and Chen, Yilun and Liu, Chengju and Chen, Qijun and Pang, Jiangmiao},
  booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
  year={2025}
}
@inproceedings{streamvln,
    title = {StreamVLN: Streaming Vision-and-Language Navigation via SlowFast Context Modeling},
    author = {Wei, Meng and Wan, Chenyang and Yu, Xiqian and Wang, Tai and Yang, Yuqiang and Mao, Xiaohan and Zhu, Chenming and Cai, Wenzhe and Wang, Hanqing and Chen, Yilun and Liu, Xihui and Pang, Jiangmiao},
    booktitle={2026 IEEE International Conference on Robotics and Automation (ICRA)},
    year = {2026}
}
@inproceedings{navdp,
    title = {NavDP: Learning Sim-to-Real Navigation Diffusion Policy with Privileged Information Guidance},
    author = {Wenzhe Cai, Jiaqi Peng, Yuqiang Yang, Yujian Zhang, Meng Wei, Hanqing Wang, Yilun Chen, Tai Wang and Jiangmiao Pang},
    booktitle={2026 IEEE International Conference on Robotics and Automation (ICRA)},
    year = {2026},
}

📄 许可协议

InternNav的代码采用MIT许可证。 开源的InternData-N1数据则遵循知识共享署名-非商业性使用-相同方式共享4.0国际许可协议。 其他数据集如VLN-CE则沿用各自的发布许可。

👏 致谢

• InternUtopia（原名GRUtopia）：本框架中的闭环评估及GRScenes-100数据依赖于InternUtopia框架。
• Diffusion Policy：扩散策略实现。
• LongCLIP：长文本CLIP模型。
• VLN-CE：基于Habitat的连续环境下的视觉-语言导航。
• Qwen2.5-VL：预训练的视觉-语言基础模型。
• LeRobot：本项目使用的数据格式很大程度上遵循LeRobot的规范。

InternNav 快速上手指南

InternNav 是一个基于 PyTorch、Habitat 和 Isaac Sim 的一体化具身导航开源工具箱，支持视觉语言导航（VLN）、视觉导航（VN）及双系统导航模型（如 InternVLA-N1）的训练与评估。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统: Linux (推荐 Ubuntu 20.04/22.04)
• Python: 3.8 或更高版本
• GPU: 支持 CUDA 的 NVIDIA 显卡 (建议显存 ≥ 16GB 用于训练大型模型)
• 前置依赖:
  • PyTorch (与 CUDA 版本匹配)
  • Habitat-Sim (用于仿真环境)
  • Isaac Sim (可选，如需使用相关环境)

提示：由于涉及复杂的仿真器依赖，强烈建议使用 Conda 管理虚拟环境。国内用户可配置清华或中科大镜像源加速包下载。

安装步骤

1. 创建并激活虚拟环境

conda create -n internnav python=3.9 -y
conda activate internnav

2. 安装 PyTorch

请根据您的 CUDA 版本选择对应的安装命令（以下为 CUDA 11.8 示例，国内用户可使用清华源）：

pip install torch torchvision torchaudio --index-url https://pypi.tuna.tsinghua.edu.cn/simple

3. 克隆项目代码

git clone https://github.com/InternRobotics/InternNav.git
cd InternNav

4. 安装项目依赖

安装核心依赖库及 Habitat 相关组件：

pip install -e .

注意：若需使用 Isaac Sim 环境或特定数据集，请参考官方文档中的额外依赖安装说明。部分大型仿真器可能需要单独编译安装。

基本使用

InternNav 提供了从推理演示到完整训练的流程。以下是两个最常用的入门场景。

场景一：运行推理演示 (Inference Only)

快速体验预训练的 InternVLA-N1 模型效果，无需重新训练。

# 进入脚本目录
cd scripts/notebooks

# 运行 Jupyter Notebook 演示 (需先安装 jupyter)
jupyter notebook inference_only_demo.ipynb

在 Notebook 中按照单元格顺序执行，即可加载模型并在仿真环境中进行导航测试。

场景二：启动模型训练

以训练 InternVLA-N1 (Dual System) 模型为例，使用默认配置文件启动训练任务。

# 示例命令：使用 VLN-CE 基准数据进行训练
python tools/train.py \
    --config configs/internvla_n1_dual_vln.yaml \
    --data-path ./data/vln_ce \
    --output-dir ./outputs/internvla_n1_exp

• --config: 指定模型架构与超参数配置文件（支持 Single-System, Dual-System 等多种配置）。
• --data-path: 指向已准备好的数据集路径（如 R2R, RxR 等）。
• --output-dir: 模型权重与日志的输出目录。

训练完成后，可在 ./outputs 目录下查看日志并使用评估脚本测试模型性能。

更多资源：

• 详细的数据集准备与自定义教程：官方文档 - Tutorials
• 预训练模型下载：HuggingFace Model Zoo