计算机科学 > 机器人技术
[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
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。
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.