通向成功的阶梯：一种基于 LLM 驱动由粗到细探索的在线楼层感知零样本目标导航框架
机器人学
2026-01-06 v4
摘要
可部署的服务与配送机器人在多楼层建筑中导航以到达目标物体时面临困难，因为现有系统因单楼层假设和需要离线的全局一致地图而失效。多楼层环境带来了独特的挑战，包括跨楼层过渡和垂直空间推理，尤其是在未知建筑中导航。像 HM3D 和 MP3D 这样的目标导航基准也反映了这种多楼层现实，但当前方法缺乏对在线、楼层感知导航的支持。为了弥补这一差距，我们提出了 \textbf{\textit{ASCENT}}，一个用于零样本目标导航的在线框架，使机器人能够在没有预建地图或针对新目标类别重新训练的情况下运行。它引入：（1）一个 \textbf{多楼层抽象} 模块，通过楼梯感知的障碍物映射和跨楼层拓扑建模动态构建分层表示；以及（2）一个 \textbf{由粗到细推理} 模块，将边界排序与 LLM 驱动的上下文分析相结合，以做出多楼层导航决策。我们在 HM3D 和 MP3D 基准上进行了评估，优于 SOTA 零样本方法，并展示了在四足机器人上的真实世界部署。
引用
@article{arxiv.2505.23019,
title = {Stairway to Success: An Online Floor-Aware Zero-Shot Object-Goal Navigation Framework via LLM-Driven Coarse-to-Fine Exploration},
author = {Zeying Gong and Rong Li and Tianshuai Hu and Ronghe Qiu and Lingdong Kong and Lingfeng Zhang and Guoyang Zhao and Yiyi Ding and Junwei Liang},
journal= {arXiv preprint arXiv:2505.23019},
year = {2026}
}
备注
Accepted to IEEE Robotics and Automation Letters (RAL). Project Page at https://zeying-gong.github.io/projects/ascent