CogDDN：基于认知需求驱动、决策优化和双过程思维的导航
人工智能
2025-08-18 v2 机器人学
摘要
移动机器人日益需要在未知且非结构化的环境中进行导航和交互，以满足人类的需求。需求驱动导航 (DDN) 使机器人能够识别和定位基于隐式人类意图的对象，即使对象位置未知。然而，传统的数据驱动 DDN 方法依赖于预收集的数据进行模型训练和决策，限制了其在未见情景中的泛化能力。本文提出了 CogDDN，这是一个基于视觉语言模型 (VLM) 的框架，通过整合快速思维和缓慢思维系统， selectively 识别满足用户需求的关键对象。CogDDN 通过语义对齐检测到的对象与给定指令来识别合适的目标对象。此外，它包含一个双过程决策模块，包括用于快速高效决策的启发式过程，以及分析过去错误、在知识库中累积它们并持续改进性能的分析过程。链式思考 (CoT) 推理强化了决策过程。在 AI2Thor 模拟器上进行的大量闭环评估显示，CogDDN 相较于单视图仅用摄像头的方法提升了 15%，在导航准确率和适应性方面实现了显著提升。项目页面可在 https://yuehaohuang.github.io/CogDDN/ 查看。
引用
@article{arxiv.2507.11334,
title = {CogDDN: A Cognitive Demand-Driven Navigation with Decision Optimization and Dual-Process Thinking},
author = {Yuehao Huang and Liang Liu and Shuangming Lei and Yukai Ma and Hao Su and Jianbiao Mei and Pengxiang Zhao and Yaqing Gu and Yong Liu and Jiajun Lv},
journal= {arXiv preprint arXiv:2507.11334},
year = {2025}
}
备注
Accepted by ACM MM 2025