VoroNav：基于Voronoi图和大语言模型的零样本目标导航
机器人学
2024-02-07 v2 计算机视觉与模式识别
摘要
在家庭机器人领域，零样本目标导航（ZSON）任务使智能体能够熟练地穿越陌生环境，并在没有事先明确训练的情况下定位新类别的物体。本文介绍了VoroNav，一种新颖的语义探索框架，该框架提出简化Voronoi图，从实时构建的语义地图中提取探索路径和规划节点。通过利用拓扑和语义信息，VoroNav设计了路径和图像的文本描述，这些描述易于大语言模型（LLM）解释。特别是，我们的方法提出了路径和远视描述的协同作用来表示环境上下文，使LLM能够应用常识推理来确定导航航点。在HM3D和HSSD上的广泛评估验证了VoroNav在成功率和探索效率方面均超越了现有基准（在HM3D上绝对提升：+2.8%成功率和+3.7% SPL，在HSSD上+2.6%成功率和+3.8% SPL）。此外，引入的评估障碍物规避能力和感知效率的指标进一步证实了我们的方法在ZSON规划中取得的增强效果。项目页面：https://voro-nav.github.io
引用
@article{arxiv.2401.02695,
title = {VoroNav: Voronoi-based Zero-shot Object Navigation with Large Language Model},
author = {Pengying Wu and Yao Mu and Bingxian Wu and Yi Hou and Ji Ma and Shanghang Zhang and Chang Liu},
journal= {arXiv preprint arXiv:2401.02695},
year = {2024}
}
备注
18 pages, 13 figures