LGR：基于大语言模型的目标导航中前沿排序

目标导航(Object Goal Navigation, OGN) 是机器人和人工智能中的基础任务，关键应用包括移动机器人图像数据库(MRID)。特别是无地图 OGN 在涉及未知或动态环境的场景中至关重要。本研究旨在通过利用大语言模型(LLM)的常识推理能力来增强最近的模块化无地图 OGN 系统。具体而言，我们解决了在前沿基于探索中确定访问顺序的挑战，将其表述为前沿排序问题。我们的做法基于最近的发现表明，尽管 LLM 无法确定前沿的绝对价值，但在单张图像中评估多个前沿之间的相对价值方面 LLM 优势显著，以视图图像作为上下文。我们动态管理前沿列表，通过添加和删除元素，使用 LLM 作为排序模型。排序结果表示为互惠排序向量，这适合多视图、多查询信息融合。我们通过在 Habitat-Sim 中的评估验证了该方法的有效性。