面向真实世界零样本物体目标导航的可靠语义理解
机器人学
2024-10-30 v1 人工智能
摘要
我们引入一种创新方法，旨在推进零样本物体目标导航（ZS-OGN）中的语义理解，从而增强机器人在陌生环境中的自主性。传统上对标注数据的依赖一直是机器人适应性的一个局限，我们通过采用一个双组件框架来解决此问题，该框架集成了用于初始检测的 GLIP 视觉语言模型和用于验证的 InstructionBLIP 模型。这种结合不仅细化了物体与环境识别，还强化了语义解释，这对导航决策至关重要。我们的方法在模拟和真实世界环境中均经过严格测试，在导航精度和可靠性方面均表现出显著提升。
引用
@article{arxiv.2410.21926,
title = {Reliable Semantic Understanding for Real World Zero-shot Object Goal Navigation},
author = {Halil Utku Unlu and Shuaihang Yuan and Congcong Wen and Hao Huang and Anthony Tzes and Yi Fang},
journal= {arXiv preprint arXiv:2410.21926},
year = {2024}
}
备注
16 pages, 7 figures, 2 tables