En los últimos años, la IA encarnada se ha convertido en uno de los temas principales en robótica. Para que el agente opere en entornos centrados en humanos, necesita la capacidad de explorar áreas previamente no vistas y de navegar hacia objetos con los que los humanos quieren que el agente interactúe. Esta tarea, que se puede formular como Navegación Objetivo-Objeto (ObjectNav), es el enfoque principal de este trabajo. Para resolver este problema desafiante, sugerimos un marco híbrido que consiste en módulos tanto no aprendibles como aprendibles y un conmutador entre ellos: SkillFusion. Los primeros son más precisos, mientras que los últimos son más robustos al ruido de los sensores. Para mitigar la brecha entre simulación y realidad, que a menudo surge con métodos aprendibles, sugerimos entrenarlos de tal manera que sean menos dependientes del entorno. Como resultado, nuestro método mostró los mejores resultados tanto en el simulador Habitat como durante las evaluaciones en un robot real.