基于任务优先级的多需求驱动导航带自主决策

在日常生活中，人们常常穿过空间以寻找满足其需求的对象，这构成了具身 AI 中的一个关键挑战。传统的需求驱动导航(DDN)一次处理一个需求，但无法反映涉及多个需求和个人选择的复杂真实任务。为弥合这一差距，我们提出任务优先级多需求驱动导航(TP-MDDN)，这是一种针对包含多个子需求且具有明确任务偏好的长程导航的新基准。为解决 TP-MDDN，我们提出 AWMSystem，一个由三个关键模块组成的自主决策系统：BreakLLM(指令分解)、LocateLLM(目标选择)和 StatusMLLM(任务监控)。对于空间记忆，我们设计 MASMap，将 3D 点云累积与 2D 语义映射结合，以实现准确且高效的环境理解。我们的 Dual-Tempo action generation 框架集成零-shot 规划与基于策略的细粒控制，并进一步由自适应错误纠正器支持实时处理失败情况。实验表明，我们的方法在感知准确性和导航鲁棒性方面均优于最先进的基线方法。