ApexNav: 面向零样本目标导航的自适应探索策略与目标中心语义融合
机器人学
2026-02-19 v1
摘要
寻找未知环境中的目标对象是一项重要挑战。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，尤其是在语义线索较弱的环境中。此外，许多方法对误检尤其敏感，尤其是在视觉上相似对象的环境中。为解决这些局限性，我们提出了ApexNav，一个既高效又可靠的零样本目标导航框架。对于效率，ApexNav通过分析语义信息在环境中的分布，在线索较强时利用语义推理引导探索，在线索较弱时切换为基于几何的探索。对于可靠性，我们提出了一种以目标为中心的语义融合方法，保留目标及类似对象的长期记忆，使其即使在噪声检测下也能实现稳健的对象识别。我们在HM3Dv1、HM3Dv2和MP3D数据集上评估了ApexNav，在SR和SPL指标上均优于最先进的方法。综合的消融研究进一步证明了每个模块的有效性。此外，真实环境中的实验验证了ApexNav在物理环境中的实用性。代码将在https://github.com/Robotics-STAR-Lab/ApexNav发布。
引用
@article{arxiv.2504.14477,
title = {ExFace: Expressive Facial Control for Humanoid Robots with Diffusion Transformers and Bootstrap Training},
author = {Dong Zhang and Jingwei Peng and Yuyang Jiao and Jiayuan Gu and Jingyi Yu and Jiahao Chen},
journal= {arXiv preprint arXiv:2504.14477},
year = {2026}
}