SCoTT：面向数字孪生体的无线感知机器人导航的战略链式思考任务
机器学习
2026-02-09 v3 人工智能
机器人学
系统与控制
系统与控制
摘要
在无线性能约束下的路径规划是机器人导航中的复杂挑战。然而，单纯将此类约束纳入经典规划算法往往导致计算代价高昂。本文提出SCoTT，一种利用视觉语言模型（VLM）协调平均路径收益与轨迹长度的无线感知路径规划框架，基于数字孪生体（DT）中的无线热力图图像和光线追踪数据。本框架的核心是战略链式思考任务（Strategic Chain-of-Thought Tasking, SCoTT），这是一种新颖的提示范式，将穷举搜索问题分解为结构化子任务，每个子任务通过链式思考提示求解。为建立强基准，我们比较经典A*算法及其无线感知扩展版本，并推导出DP-WA*，一种集成所有路径收益和距离度量的数字孪生体中最优的迭代动态规划算法，但计算成本极高。在大量实验中，我们展示SCoTT在路径收益上仅略低于DP-WA*，且始终生成更短的轨迹。此外，SCoTT的中间输出可用于加速DP-WA*，将搜索空间缩减，最高可节省62%的执行时间。我们使用四个VLM进行验证，展示其在大型和小型模型上的有效性，从而适用于广泛的紧凑型模型且推理成本低。在最后，我们将SCoTT部署为Gazebo仿真中的ROS节点，验证了实际可行性。我们还讨论了VLMs在6G-enabled数字孪生体中的数据获取管道、计算需求和部署注意事项，凸显了自然语言界面在实际应用中为无线感知导航潜力。
引用
@article{arxiv.2411.18212,
title = {SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins},
author = {Aladin Djuhera and Amin Seffo and Vlad C. Andrei and Holger Boche and Walid Saad},
journal= {arXiv preprint arXiv:2411.18212},
year = {2026}
}