1.一种大模型驱动的具身智能体零样本目标导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种大模型驱动的具身智能体零样本目标导航方法，其特征在于，具身智能体零样本目标导航的任务表示为：设定任一未曾探索的场景和具身智能体，包括家庭机器人和战场追踪机器人，给定该智能体一自然语言描述的目标物体，要求智能体在有限步或有限时间内从该陌生场景中导航到目标处，并识别出该目标物体。
3.根据权利要求1所述的一种大模型驱动的具身智能体零样本目标导航方法，其特征在于，步骤一中基于智能体传感器的环境感知的实现过程包括：智能体在当前位置旋转一周，通过视频拍摄传感器同时获取场景的多张彩色图像和深度图像；具体来说，使用普通相机进行彩色图像拍摄，供后续视觉目标检测模型的物体识别；使用深度相机拍摄深度图像，作为后续构建slam导航代价图的依据；
4.根据权利要求1所述的一种大模型驱动的具身智能体零样本目标导航方法，其特征在于，步骤二中多模态大模型驱动的场景线索获取的实现过程包含两并行步，分别是：基于目标检测和图像字幕生成的环境探索，具体包括：
5.根据权利要求1所述的一种大模型驱动的具身智能体零样本目标导航方法，其特征在于，步骤三中大语言模型驱动的导航推理决策的实现过程如下：
6.根据权利要求5所述的一种大模型驱动的具身智能体零样本目标导航方法，其特征在于，基于自适应模板的语言模型提示整合，针对涉及到物体标签的场景线索，其自适应提示模板的构造过程采用了多角度语义捕捉策略，具体如下：
7.根据权利要求5所述的一种大模型驱动的具身智能体零样本目标导航方法，其特征在于，基于自适应模板的语言模型提示整合，针对涉及到图像字幕的场景线索，其自适应提示模板同样也采用了多角度语义捕捉策略，具体如下：
8.根据权利要求1所述的一种大模型驱动的具身智能体零样本目标导航方法，其特征在于，步骤四中基于gazebo仿真平台的ros路径规划的实现过程包括：
9.根据权利要求1所述的一种大模型驱动的具身智能体零样本目标导航方法，其特征在于，步骤五中基于视觉大模型的开放语义目标定位的实现过程如下：