Anthropic研究：机器人技术上可完成美国74%的体力任务，但具成本优势的仅占0.3%

NavHarness 是哈尔滨工业大学（深圳）等机构发布在 arXiv 的预印本框架，面向视觉语言导航任务。它提出目标智能体、验证智能体、记忆智能体和视觉运动智能体，用自适应目标与完成验证对齐执行，并在验证完成时压缩历史。在 R2R-CE 和 RxR-CE 上，基于 GPT-6-Astra 的 NavHarness 零样本成功率分别达到 79.0% 和 82.5%，优于同骨干的 Codex CLI；真机测试成功率 83.3%，导航误差 1.51 米。

NavHarness 引入四个智能体：Goal Agent 根据指令、当前观测和执行历史生成自适应局部目标及验证问题；Verify Agent 用目标特定的验证问题动态判断观测结果是否满足完成条件；Memory Agent 在验证完成时压缩该阶段多模态历史，保留路线摘要、验证结果和关键帧；Visuomotor Agent 依据活动目标执行动作。框架将进度验证与上下文压缩绑定，在保留未完成任务状态的同时减少重复处理。