面向具身智能体的在线 SG-Memo 构建：模仿人类探索
计算机视觉与模式识别
2026-04-22 v1
摘要
构建结构化的空间记忆对于启用复杂具身导航任务中的长期推理至关重要。当前的记忆构建主要依赖于解耦的两阶段范式：智能体首先通过探索聚合环境数据，然后进行离线的空间记忆重建。然而，这种事后和几何中心的方法阻碍了智能体利用高级语义智能，常常导致它们忽略导航上关键的 landmark（例如门way 和楼梯），这些 landmark 作为人类认知图中的基本语义锚点。为填补这一差距，我们提出了 ABot-Explorer，一个统一记忆构建和探索为在线、仅 RGB 的过程的主动探索框架。ABot-Explorer 的核心利用大型视觉语言模型（VLMs）提炼出语义导航可行性（Semantic Navigational Affordances, SNA），这些 SNA 作为认知对齐的锚点来指导智能体的运动。通过动态地将这些 SNA 集成到层次化的 SG-Memo 中，ABot-Explorer 镜像人类类似的探索逻辑，通过优先考虑结构 transit 节点来促进高效覆盖。为支持这一框架，我们贡献了一个大规模数据集，将 InteriorGS 扩展为 SNA 和 SG-Memo 注释。实验结果表明，ABot-Explorer 在探索效率和环境覆盖方面显著优于当前最先进的方法，而所得的 SG-Memo 被证明能有效支持多样化的下游任务。
引用
@article{arxiv.2604.19034,
title = {Explore Like Humans: Autonomous Exploration with Online SG-Memo Construction for Embodied Agents},
author = {Xu Chen and Shichao Xie and Zhining Gu and Lu Jia and Minghua Luo and Fei Liu and Zedong Chu and Yanfen Shen and Xiaolong Wu and Mu Xu},
journal= {arXiv preprint arXiv:2604.19034},
year = {2026}
}