GaussNav：用于视觉导航的高斯泼溅

在具身视觉中，实例图像目标导航（IIN）要求智能体在未探索的环境中定位目标图像所描绘的特定物体。IIN 的主要挑战在于需要在不同视角下识别目标物体，同时忽略潜在的干扰物。现有的基于地图的导航方法通常使用鸟瞰图（BEV），这种地图缺乏场景的详细纹理表征。因此，尽管 BEV 地图对语义层面的视觉导航有效，但在实例级任务中却力不从心。为此，我们提出了一个用于 IIN 的新框架——用于视觉导航的高斯泼溅（GaussNav），该框架基于 3D 高斯泼溅（3DGS）构建了一种新颖的地图表征。GaussNav 框架使智能体能够记忆场景的几何和语义信息，并保留物体的纹理特征。通过将相似物体的渲染结果与目标进行匹配，智能体可以准确识别、定位并导航至指定物体。我们的 GaussNav 框架展示了显著的性能提升，在具有挑战性的 Habitat-Matterport 3D（HM3D）数据集上，路径长度加权成功率（SPL）从 0.347 提高到 0.578。源代码可通过以下链接公开获取：https://github.com/XiaohanLei/GaussNav。