语言增强的移动操作在室内环境中高效寻找目标对象
机器人学
2025-08-29 v1
摘要
使机器人能够高效地在复杂、非结构化环境中搜索和识别目标对象，对从家庭助理到工业自动化的各种应用至关重要。然而，传统的场景表示仅捕获静态语义，缺乏可解释的上下文推理，限制了其在完全陌生环境中指导目标搜索的能力。为此，我们提出一种语言增强的层次化导航框架，紧密集成语义感知与空间推理。我们的方法——目标导向动态启发式层次搜索 (GODHS)——利用大语言模型 (LLM) 推断场景语义，通过多层决策层次指导搜索过程。通过在层次结构的每个阶段应用结构化提示和逻辑约束，实现对推理可靠性的保证。针对移动操作的具体挑战，我们引入一种基于启发式的运动规划器，将极角排序与距离优先级结合，以高效生成探索路径。广泛的以 Isaac Sim 为平台的评估表明，我们框架的可行性，显示 GODHS 能够比传统、无语义搜索策略在目标对象查找效率方面取得优势。网站和视频均可在 https://drapandiger.github.io/GODHS 访问。
引用
@article{arxiv.2508.20899,
title = {Language-Enhanced Mobile Manipulation for Efficient Object Search in Indoor Environments},
author = {Liding Zhang and Zeqi Li and Kuanqi Cai and Qian Huang and Zhenshan Bing and Alois Knoll},
journal= {arXiv preprint arXiv:2508.20899},
year = {2025}
}