智能 LiDAR 导航：利用外部信息与语义地图并以 LLM 作为副驾驶
机器人学
2025-07-22 v3
摘要
传统机器人导航系统主要利用占据栅格地图和激光传感技术，如 ROS 中流行的 move_base 包所展示的那样。与机器人不同，人类导航不仅依靠空间感知和物理距离，还通过整合外部信息（例如来自公共公告板的电梯维护更新）和经验知识（例如通过某些门需要特殊权限）。随着具备接近人类文本理解能力和智能的大型语言模型 (LLM) 的发展，现在有机会将类似于人类认知的理解能力注入机器人导航系统。在本研究中，我们提出使用 osmAG（OpenStreetMap 文本格式中的区域图），一种创新的语义拓扑度量分层地图表示，以弥合 ROS move_base 的能力与 LLM 提供的上下文理解之间的鸿沟。我们的方法将 LLM 作为机器人导航的实际副驾驶，在保持传统机器人导航系统鲁棒性的同时，实现了更广泛信息输入的整合。我们的代码、演示、地图和实验结果可在 https://github.com/xiexiexiaoxiexie/Intelligent-LiDAR-Navigation-LLM-as-Copilot 获取。
引用
@article{arxiv.2409.08493,
title = {Intelligent LiDAR Navigation: Leveraging External Information and Semantic Maps with LLM as Copilot},
author = {Fujing Xie and Jiajie Zhang and Sören Schwertfeger},
journal= {arXiv preprint arXiv:2409.08493},
year = {2025}
}
备注
Accepted at IROS 2025