基于 大语言模型 的导航方法研究

近年来，室内导航领域通过 将 大语言模型 (LLM) 集成引入，取得了 里程碑式的 进展。传统导航方法依赖 预构建地图 或 强化学习，存在 泛化性差 和 难以适应动态环境 等 局限性。相比之下，LLM 提供了一种 新的 导航任务范式，凭借 卓越的 语义理解 能力、推理能力 和 zero-shot 泛化特性，为复杂的室内导航任务提供 可能性。我们提出了 基于 LLM 的导航框架，利用 函数调用 能力 将 LLM 作为 中心控制器。我们的 方法涉及 将 常规导航功能进行模块化 分解，构建 可复用的 LLM 工具，并支持 可扩展的配置。同时，我们设计了 一套 可迁移 的系统提示模板 和 交互工作流程，可轻松适用于 各种不同 实现。 在 PyBullet 模拟环境中的 实验验证 涵盖 多种场景，表明 我们的 方法具有 显著的潜力 和 效果，尤其 在 通过 动态工具组合 实现 上下文感知导航方面表现 突出。