野外开词汇目标搜索：WildOS
量子物理
2026-02-24 v1
摘要
在复杂、非结构化的户外环境中，机器人需要在无先验地图和有限深度感知的情况下长距离运行。此类情况下，仅依赖几何前沿进行探索往往不够。在此情境下，能够对去向何处以及何时安全通过进行语义推理的能力，对实现稳健、高效的探索至关重要。本文提出 WildOS，一个用于长距离、开词汇目标搜索的统一系统，将安全几何探索与语义视觉推理相结合。WildOS 构建稀疏导航图以维持空间记忆，同时利用基于基础模型的视觉模块 ExploRFM 对图的前沿节点进行评分。ExploRFM 同时预测可遍历性、视觉前沿和目标相似性，实现实时、嵌入式的语义导航任务。所得视觉评分图使机器人能够在确保几何安全的同时，探索语义上有意义的方向。进一步，我们引入基于粒子滤波的方法，对开词汇目标查询进行粗略定位，估计深度视野之外的候选目标位置，从而实现对遥远目标的有效规划。广泛的闭环现场实验覆盖多样化的离地和城市地形，表明 WildOS 在效率和自主性方面显著优于纯几何和纯视觉基准方法。我们的结果凸显了视觉基础模型驱动开放世界机器人行为的潜力，这些行为既在语义上有信息，又在几何上得到 grounding。项目页面：https://leggedrobotics.github.io/wildos/
引用
@article{arxiv.2602.19307,
title = {Learning partial transpose signatures in qubit ququart states from a few measurements},
author = {Christian Candeago and Paolo Da Rold and Michele Grossi and Pawel Horodecki and Antonio Mandarino},
journal= {arXiv preprint arXiv:2602.19307},
year = {2026}
}