EZREAL：面向变 Visibility 场景下远距离目标的零样 Outdoor 机器人导航增强
机器人学
2025-09-18 v1
摘要
大规模户外环境中的零样本对象导航（ZSON）面临诸多挑战；我们特别解决一种耦合问题：导致目标投影缩小为极小尺寸且因部分或完全遮挡而出现间歇性可见性的长程目标。我们提出了一个基于对齐多尺度图像砖层级构建的统一、轻量级闭环系统。通过层次化目标显著性融合，该系统将局部语义对比汇总为稳定的粗层区域显著性，从而提供目标方向并指示目标可见性。该区域显著性通过关键帧记忆、历史航向的显著性加权融合以及在暂时不可见时进行主动搜索来实现可见性感知的航向保持。该系统避免了整幅图像缩放，支持确定性的自下而上聚合，实现零样本导航，并可高效运行于移动机器人上。在仿真及真实户外试验中，该系统能够检测超过150米的语义目标，在可见性变化时以82.6%的概率维持正确航向，并较当前最先进方法提高了17.5%的整体任务成功率，表明其对远距离且间歇性可观测目标的鲁健ZSON能力得到有效提升。
引用
@article{arxiv.2509.13720,
title = {EZREAL: Enhancing Zero-Shot Outdoor Robot Navigation toward Distant Targets under Varying Visibility},
author = {Tianle Zeng and Jianwei Peng and Hanjing Ye and Guangcheng Chen and Senzi Luo and Hong Zhang},
journal= {arXiv preprint arXiv:2509.13720},
year = {2025}
}
备注
Page:https://tianlezeng.github.io/EzReal/