Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.02354

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2506.02354 (cs)
[提交于 2025年6月3日 ]

标题: RATE-Nav:基于区域感知的零样本物体导航终止增强视觉语言模型

标题: RATE-Nav: Region-Aware Termination Enhancement for Zero-shot Object Navigation with Vision-Language Models

Authors:Junjie Li, Nan Zhang, Xiaoyang Qu, Kai Lu, Guokuan Li, Jiguang Wan, Jianzong Wang
摘要: 物体导航(ObjectNav)是具身人工智能的一项基础任务。尽管当前研究在语义地图构建和目标方向预测方面取得了显著进展,但冗余探索和探索失败仍然不可避免。一个关键但尚未充分探索的方向是如何及时终止探索以克服这些挑战。我们观察到探索步数与探索率之间存在边际效应递减现象,并分析了探索的成本效益关系。受此启发,我们提出了区域感知的终止增强方法RATE-Nav。该方法包括几何预测区域分割算法和基于区域的探索估计算法来计算探索率。通过利用视觉语言模型(VLMs)的视觉问答能力和探索率,可以实现高效的探索终止。在HM3D数据集上,RATE-Nav的成功率为67.8%,SPL为31.3%。而在更具挑战性的MP3D数据集上,RATE-Nav相对于先前的零样本方法显示出大约10%的提升。
摘要: Object Navigation (ObjectNav) is a fundamental task in embodied artificial intelligence. Although significant progress has been made in semantic map construction and target direction prediction in current research, redundant exploration and exploration failures remain inevitable. A critical but underexplored direction is the timely termination of exploration to overcome these challenges. We observe a diminishing marginal effect between exploration steps and exploration rates and analyze the cost-benefit relationship of exploration. Inspired by this, we propose RATE-Nav, a Region-Aware Termination-Enhanced method. It includes a geometric predictive region segmentation algorithm and region-Based exploration estimation algorithm for exploration rate calculation. By leveraging the visual question answering capabilities of visual language models (VLMs) and exploration rates enables efficient termination.RATE-Nav achieves a success rate of 67.8% and an SPL of 31.3% on the HM3D dataset. And on the more challenging MP3D dataset, RATE-Nav shows approximately 10% improvement over previous zero-shot methods.
评论: 被第63届计算语言学协会年会(ACL 2025)接受
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2506.02354 [cs.CV]
  (或者 arXiv:2506.02354v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.02354
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jianzong Wang [查看电子邮件]
[v1] 星期二, 2025 年 6 月 3 日 01:15:00 UTC (950 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号