ApexNav：一种用于零样本目标导向物体导航的自适应探索策略
机器人学
2025-09-08 v3
摘要
在未知环境中导航以寻找目标物体是一项重大挑战。虽然语义信息对导航至关重要，但仅依赖语义信息进行决策可能并不总是高效的，尤其是在语义线索较弱的环境中。此外，许多方法容易受到误检的影响，尤其是在存在视觉相似物体的环境中。为解决这些局限性，我们提出 ApexNav，一个零样本物体导航框架，兼具更高的效率和可靠性。在效率方面，ApexNav 通过分析语义信息在环境中的分布来自适应地利用语义信息，在语义线索较强时通过语义推理引导探索，在线索较弱时切换为基于几何的探索。在可靠性方面，我们提出一种以目标为中心的语义融合方法，保留目标和相似物体的长期记忆，使即使在噪声检测下也能实现鲁棒的物体识别。我们在 HM3Dv1、HM3Dv2 和 MP3D 数据集上评估了 ApexNav，其在 SR 和 SPL 指标上均优于最先进的方法。全面的消融研究进一步证明了每个模块的有效性。此外，真实环境实验验证了 ApexNav 在物理环境中的实用性。代码将发布于 https://github.com/Robotics-STAR-Lab/ApexNav。
引用
@article{arxiv.2504.14478,
title = {ApexNav: An Adaptive Exploration Strategy for Zero-Shot Object Navigation with Target-centric Semantic Fusion},
author = {Mingjie Zhang and Yuheng Du and Chengkai Wu and Jinni Zhou and Zhenchao Qi and Jun Ma and Boyu Zhou},
journal= {arXiv preprint arXiv:2504.14478},
year = {2025}
}
备注
Accepted to IEEE Robotics and Automation Letters (RAL), August, 2025