本研究针对物体目标导航问题，即在未见过的环境中导航至指定物体类别的某一实例。基于端到端学习的导航方法在此任务中表现不佳，主要原因是其在探索与长期规划方面能力有限。为此，本文提出一种模块化系统——“目标导向语义探索”（Goal-Oriented Semantic Exploration），该系统构建一个情景语义地图，并利用该地图根据目标物体类别高效地探索环境。在视觉逼真的仿真环境中进行的实证结果表明，所提出的模型在多种基线方法（包括端到端学习方法以及模块化地图驱动方法）中表现优异，并成为CVPR-2020 Habitat ObjectNav挑战赛的获胜方案。消融实验分析表明，该模型能够学习场景中物体相对布局的语义先验知识，并据此实现高效的探索策略。此外，采用与领域无关的模块化设计，使得该模型可成功迁移至移动机器人平台，在真实世界中实现了与仿真环境相当的物体目标导航性能。