VTM-Nav：跨回合目标导航的分层视觉-拓扑记忆方法
英文标题：VTM-Nav: Hierarchical Visual-Topological Memory for Cross-Episode Object-Goal Navigation
论文提出 VTM-Nav，利用分层视觉-拓扑记忆实现具身智能体在家庭环境中的跨回合目标导航。该方法无需训练，借助视觉语言模型进行开放词汇语义推理，并构建可跨回合累积的记忆，有效提升长周期导航效率。对开发者而言，这为轻量级、免训练的智能体导航提供了新范式。
打开原文相关 4 · 机会 1
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
论文《VTM-Nav: Hierarchical Visual-Topological Memory for Cross-Episode Object-Goal Navigation》近日发表于 arXiv。该研究面向对象目标导航任务，提出了一种层次化视觉-拓扑记忆框架，使具身智能体能够在不同导航回合间复用经验，在未知室内环境中更高效地搜索指定物体。
摘要翻译如下：对象目标导航要求具身智能体在室内环境中定位并抵达指定目标对象类别的实例。近期无训练方法借助视觉语言模型（VLMs）进行开放词汇语义推理，但面临长周期导航困难且缺乏跨回合记忆的问题。本文提出 VTM-Nav，构建了层次化的视觉-拓扑记忆，将视觉特征与空间拓扑关系相结合，使智能体能够跨回合累积导航知识，显著提升搜索效率与泛化能力。
BibTeX 格式引用
English / 原文
BibTeX formatted citation
×