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:2507.04686

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2507.04686 (cs)
[提交于 2025年7月7日 ]

标题: MOSU:具有多模态场景理解的自主远距离机器人导航

标题: MOSU: Autonomous Long-range Robot Navigation with Multi-modal Scene Understanding

Authors:Jing Liang, Kasun Weerakoon, Daeun Song, Senthurbavan Kirubaharan, Xuesu Xiao, Dinesh Manocha
摘要: 我们提出MOSU,一种新颖的自主远距离导航系统,通过多模态感知和道路场景理解来增强移动机器人的全局导航。 MOSU通过整合几何、语义和上下文信息来解决户外机器人导航挑战,以确保全面的场景理解。 该系统结合GPS和基于QGIS地图的路由进行高层全局路径规划,以及多模态轨迹生成用于局部导航优化。 在轨迹生成方面,MOSU利用多模态数据:基于LiDAR的几何数据用于精确避障,基于图像的语义分割用于可行驶性评估,以及视觉-语言模型(VLMs)来捕捉社会情境并使机器人在复杂环境中遵守社会规范。 这种多模态集成提高了场景理解并增强了可行驶性,使机器人能够适应多样的户外条件。 我们在真实道路环境中评估了我们的系统,并在GND数据集上进行了基准测试,在可行驶地形上实现了可行驶性10%的提升,同时保持与现有全局导航方法相当的导航距离。
摘要: We present MOSU, a novel autonomous long-range navigation system that enhances global navigation for mobile robots through multimodal perception and on-road scene understanding. MOSU addresses the outdoor robot navigation challenge by integrating geometric, semantic, and contextual information to ensure comprehensive scene understanding. The system combines GPS and QGIS map-based routing for high-level global path planning and multi-modal trajectory generation for local navigation refinement. For trajectory generation, MOSU leverages multi-modalities: LiDAR-based geometric data for precise obstacle avoidance, image-based semantic segmentation for traversability assessment, and Vision-Language Models (VLMs) to capture social context and enable the robot to adhere to social norms in complex environments. This multi-modal integration improves scene understanding and enhances traversability, allowing the robot to adapt to diverse outdoor conditions. We evaluate our system in real-world on-road environments and benchmark it on the GND dataset, achieving a 10% improvement in traversability on navigable terrains while maintaining a comparable navigation distance to existing global navigation methods.
主题: 机器人技术 (cs.RO)
引用方式: arXiv:2507.04686 [cs.RO]
  (或者 arXiv:2507.04686v1 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.04686
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Jing Liang [查看电子邮件]
[v1] 星期一, 2025 年 7 月 7 日 06:08:21 UTC (7,687 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.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
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