ON即ALC：主动闭环目标导航
机器人学
2025-05-15 v2
摘要
在同时定位与地图构建中，主动闭环（ALC）是一个主动视觉问题，旨在视觉引导机器人最大化重访先前访问点的机会，从而重置行进过程中增量构建地图中累积的漂移误差。然而，当前利用这种不完整地图作为工作空间先验知识的主流导航策略，在现代长期自主长距离行进场景中常常失败，因为此时地图累积误差变得显著。为解决基于地图导航的这些局限，本文首次探索具身AI领域中的无地图导航，特别是利用目标导航（通常缩写为ON、ObjNav或OGN）技术，该技术无需使用先验地图即可高效探索目标物体。具体而言，在这项工作中，我们从现成的无地图ON规划器出发，将其扩展以利用先验地图，并进一步表明，通过最小化“ALC损失”和“ON损失”，可以最大化长距离ALC（LD-ALC）的性能。本研究强调了一种简单有效的方法，称为ALC-ON（ALCON），通过利用日益发展的前沿引导、数据驱动和LLM引导的ON技术，加速具有挑战性的长距离ALC技术的进展。
引用
@article{arxiv.2412.11523,
title = {ON as ALC: Active Loop Closing Object Goal Navigation},
author = {Daiki Iwata and Kanji Tanaka and Shoya Miyazaki and Kouki Terashima},
journal= {arXiv preprint arXiv:2412.11523},
year = {2025}
}
备注
Draft version of a conference paper with 7 pages, 5 figures, and 1 table