计算机科学 > 计算机视觉与模式识别
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.