ATLASv2：边缘端 LLM 引导的自适应地标获取与导航
机器人学
2025-04-16 v1 人工智能
摘要
部署在边缘设备上的自主系统面临重大挑战，包括资源限制、实时处理需求以及适应动态环境。本工作介绍了 ATLASv2，这是一种新颖的系统，它集成了微调的 TinyLLM、实时目标检测和高效路径规划，从而完全在边缘设备 Jetson Nano 上实现分层、多任务导航与操作。ATLASv2 通过检测和定位环境中的物体来动态扩展其可导航地标，这些物体被保存到其内部知识库中，用于未来的任务执行。我们在真实世界环境中评估了 ATLASv2，包括一个由各种物体和地标构建的手工制作的家居和办公环境。结果表明，ATLASv2 能够有效地解释自然语言指令，将其分解为低级动作，并以高成功率执行任务。通过在完全机载的框架中利用生成式 AI，ATLASv2 实现了优化的资源利用率，具有最小的提示延迟和功耗，弥合了模拟环境与真实世界应用之间的差距。
引用
@article{arxiv.2504.10784,
title = {ATLASv2: LLM-Guided Adaptive Landmark Acquisition and Navigation on the Edge},
author = {Mikolaj Walczak and Uttej Kallakuri and Tinoosh Mohsenin},
journal= {arXiv preprint arXiv:2504.10784},
year = {2025}
}