LangMap：用于开放词汇目标导航的分层基准
计算机视觉与模式识别
2026-02-03 v1 机器人学
摘要
对象与语言之间的关系是人类与 AI 之间实现有意义沟通以及实用嵌入式智能的基础。我们引入 HieraNav，一个多粒度、开放词汇目标导航任务，其中代理人解释自然语言指令以到达四个语义层级的目标：场景、房间、区域和实例。为此，我们提出 Language as a Map (LangMap)，一个建立在真实世界 3D 室内扫描上的大型基准，包含全面人工审核注释和跨这些层级的任务。LangMap 提供区域标签、判别区域描述、覆盖 414 个对象类别的判别实例描述，以及超过 18K 个导航任务。每个目标都具有简洁和详细的描述，使其能够针对不同风格的指令进行评估。LangMap 实现了优异的注释质量，相较于 GOAT-Bench 在判别准确率上提高了 23.8%，同时使用了四分之一的词数。对 LangMap 上零样本和监督模型的全面评估表明，更丰富的上下文和记忆可以提高成功率，而长尾、小规模、依赖上下文且距离较远的目标以及多目标完成仍具有挑战性。HieraNav 和 LangMap 建立了一个严格的测试平台，用于推动语言驱动的嵌入式导航。项目：https://bo-miao.github.io/LangMap
引用
@article{arxiv.2602.02220,
title = {LangMap: A Hierarchical Benchmark for Open-Vocabulary Goal Navigation},
author = {Bo Miao and Weijia Liu and Jun Luo and Lachlan Shinnick and Jian Liu and Thomas Hamilton-Smith and Yuhe Yang and Zijie Wu and Vanja Videnovic and Feras Dayoub and Anton van den Hengel},
journal= {arXiv preprint arXiv:2602.02220},
year = {2026}
}