基于物理 grounding 的户外环境机器人导航
机器人学
2024-10-01 v1
摘要
我们提出了一种 novel 的自主机器人导航算法，用于户外环境，能够处理多样化的地形可达性条件。我们的方法 VLM-GroNav 使用视觉语言模型（VLM）并与物理 grounding 集成，用于评估地形的内在属性，如变形性和滑溜性。我们使用基于动力学的传感，提供对这些物理属性的直接测量，并增强对地形的语义理解。我们的表述使用 in-context learning 将 VLM 的语义理解与动力学数据 grounding，以允许基于机器人与环境真实相互作用的动态更新可达性估计。我们使用更新后的可达性估计来指导 local 与 global 规划器，以进行实时轨迹重规划。在 Ghost Vision 60 上的腿式机器人和 Clearpath Husky 上的轮式机器人上进行验证，在具有不同可变形和滑溜地形的多样化真实户外环境中。实际情况下，我们观察到相较于最先进的方法， Navigation success rate 最高可提高 50%。
关键词
引用
@article{arxiv.2409.20445,
title = {Robot Navigation Using Physically Grounded Vision-Language Models in Outdoor Environments},
author = {Mohamed Elnoor and Kasun Weerakoon and Gershom Seneviratne and Ruiqi Xian and Tianrui Guan and Mohamed Khalid M Jaffar and Vignesh Rajagopal and Dinesh Manocha},
journal= {arXiv preprint arXiv:2409.20445},
year = {2024}
}