LISN：基于VLM控制器调制的语言指令社交导航
机器人学
2025-12-11 v1 人工智能
计算机视觉与模式识别
摘要
面向人机共存，社交感知导航对移动机器人至关重要。然而该领域的现有研究主要聚焦于路径效率和行人碰撞避免，这些虽必不可少但仅代表了社交导航的一小部分。除此之外，机器人还必须遵守用户指令，使其行为与人类表达的任务目标和社会规范保持一致。在本工作中，我们提出了LISN-Bench——首个面向语言指令社交导航的基于模拟的基准测试平台。该平台基于Rosnav-Arena 3.0构建，是首个将指令遵循和场景理解融入多样化上下文的标准社交导航基准。为解决此任务，我们进一步提出了Social-Nav-Modulator——一个快速-慢速分层系统，其中VLM智能体调制代价地图和控制器参数。将底层动作生成与较慢的VLM循环解耦，降低了对高频VLM推理的依赖，同时提升了动态避障和感知适应性。我们的方法实现了平均91.3%的成功率，比最具竞争力的基线高出63%以上，大部分改进体现在具有挑战性的任务中，例如在人群中跟随某人以及严格避开指令禁止区域。项目网站地址为：https://social-nav.github.io/LISN-project/
引用
@article{arxiv.2512.09920,
title = {LISN: Language-Instructed Social Navigation with VLM-based Controller Modulating},
author = {Junting Chen and Yunchuan Li and Panfeng Jiang and Jiacheng Du and Zixuan Chen and Chenrui Tie and Jiajun Deng and Lin Shao},
journal= {arXiv preprint arXiv:2512.09920},
year = {2025}
}
备注
8 pages