التنقل البصري واللغوي (VLN) هو مهمة صعبة تتعلق بفهم اللغة المرتبطة بالبيئة البصرية. عند تلقي تعليمات تنقل بلغة طبيعية، يتفاعل وكيل بصري مع بيئة مبنية على الرسم البياني، مزودة بصور مناظر دائرية، ويسعى إلى اتباع المسار الموصوف. وقد ركز معظم الأبحاث السابقة على السيناريوهات الداخلية، حيث تم تحقيق أفضل النتائج في التنقل على مسارات مشابهة للمسارات المستخدمة في التدريب، مع انخفاض حاد في الأداء عند اختبار الأداء على بيئات غير مرئية. نحن نركّز على VLN في السيناريوهات الخارجية، ونجد أن على عكس VN الداخلي، فإن معظم التحسن في VLN الخارجي على البيانات غير المرئية ناتج عن ميزات مثل تمثيل نوع التقاطع أو التغير في الاتجاه (heading delta) التي تكون محددة للرسم البياني البيئي المعني، بينما تلعب المعلومات الصورية دورًا ضئيلاً جدًا في تمديد قدرة VLN على البيئات الخارجية غير المرئية. تُظهر هذه النتائج وجود تمييز نحو التفاصيل الخاصة بتمثيلات الرسوم البيانية للبيئات الحضرية، مما يستدعي أن تزداد مهام VLN في الحجم والتنوع الجغرافي.