近日，机器人领域国际顶会 ICRA 2026 正式收录一项重磅联合研究成果。由北京大学与上纬启元研究院共同提出的 UcON（User-Centric Object Navigation）数据集落地，这也是全球首个以用户个性化生活习惯为核心的具身导航评测基准，直指当下服务机器人 “懂通用常识、不懂个体家庭” 的行业通病，或将重塑家用寻物机器人的研发与评测标准。

在家务机器人落地场景中，有一个长期痛点：现有机器人依靠通用物品摆放逻辑搜寻物件，默认书本在书房、餐具在厨房，但现实里用户收纳习惯五花八门，不少人习惯把报纸放在餐桌、香蕉存放冰箱，传统算法很容易搜寻失败。而这套全新基准，正是针对该行业痛点打造。这项工作由北大长聘副教授、上纬启元首席科学家董豪带领完成。从数据规模来看，UcON 目前收录 489 类家居物品、合计 22600 条生活化用户行为习惯，单场导航任务配套近 300 条用户习惯知识库。不同于过往依靠固定场景常识摆放物体的数据集，UcON 依托用户习惯随机生成物品位置，倒逼导航 AI 跳出固有常识思维，结合用户个人行为线索推理物品点位，实现从 “标准化找物” 向 “个性化寻物” 的转变。

在落地实操层面，海量习惯信息冗余、无关信息干扰大模型推理是落地新任务的关键阻碍。为此团队配套设计轻量化 HRM 习惯检索模块，依托 BGE-M3 嵌入模型做语义筛选，从海量习惯里提取有效线索。实验出现有趣结论：经过模块筛选后的间接习惯线索，定位效果甚至优于直接绑定物品的真值标签，餐桌、沙发等环境锚点成为机器人空间推理的关键助力。

研究团队选用 LGX、PixelNav、VTN 等多款行业 SOTA 主流导航方案开展对照测评，从成功率、路径效率两大维度验证效果。测试数据显示，剥离用户习惯信息后，全品类主流模型性能普遍大幅下滑；补充用户习惯数据源后，各类算法指标实现确定性提升。该结果直观印证，当前主流家用导航 AI 高度依赖场景通用先验，缺失个性化理解能力是产业化落地的关键短板。

不过项目团队也客观点明研究现存边界：当前基准内用户习惯由大模型合成生成，尚未基于真实家庭长期观测数据；现阶段研究聚焦 “已有习惯如何高效使用”，机器人自主在日常生活中持续学习、迭代用户习惯，仍是下一阶段研发重点。行业人士表示，UcON 填补了个性化物体导航的评测空白，为扫地、陪护、家政类服务机器人突破居家落地瓶颈提供全新研发思路，加速家用服务机器人从通用化产品走向定制化智能。

冠舟  小风

校对 陶善工