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:2507.06747v1

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2507.06747v1 (cs)
[提交于 2025年7月9日 ]

标题: LOVON:有腿的开放词汇物体导航者

标题: LOVON: Legged Open-Vocabulary Object Navigator

Authors:Daojie Peng, Jiahang Cao, Qiang Zhang, Jun Ma
摘要: 在开放世界环境中进行物体导航仍然是机器人系统面临的严峻且普遍的挑战,特别是在执行需要同时进行开放世界物体检测和高层任务规划的长时程任务时。 传统方法往往难以有效地整合这些组件,这限制了它们处理复杂、远距离导航任务的能力。 在本文中,我们提出了LOVON,一种新颖的框架,将大语言模型(LLMs)用于分层任务规划,并与开放词汇视觉检测模型相结合,专门用于在动态、非结构化环境中进行有效的远距离物体导航。 为应对包括视觉抖动、盲区和临时目标丢失在内的现实挑战,我们设计了专用解决方案,例如用于视觉稳定的拉普拉斯方差过滤。 我们还开发了机器人的功能执行逻辑,确保LOVON在自主导航、任务适应和鲁棒任务完成方面的能力。 广泛的评估表明,成功完成了涉及实时检测、搜索和向开放词汇动态目标进行导航的长序列任务。 此外,在不同腿式机器人(Unitree Go2、B2和H1-2)上的实际实验展示了LOVON的兼容性和吸引人的即插即用特性。
摘要: Object navigation in open-world environments remains a formidable and pervasive challenge for robotic systems, particularly when it comes to executing long-horizon tasks that require both open-world object detection and high-level task planning. Traditional methods often struggle to integrate these components effectively, and this limits their capability to deal with complex, long-range navigation missions. In this paper, we propose LOVON, a novel framework that integrates large language models (LLMs) for hierarchical task planning with open-vocabulary visual detection models, tailored for effective long-range object navigation in dynamic, unstructured environments. To tackle real-world challenges including visual jittering, blind zones, and temporary target loss, we design dedicated solutions such as Laplacian Variance Filtering for visual stabilization. We also develop a functional execution logic for the robot that guarantees LOVON's capabilities in autonomous navigation, task adaptation, and robust task completion. Extensive evaluations demonstrate the successful completion of long-sequence tasks involving real-time detection, search, and navigation toward open-vocabulary dynamic targets. Furthermore, real-world experiments across different legged robots (Unitree Go2, B2, and H1-2) showcase the compatibility and appealing plug-and-play feature of LOVON.
评论: 9页,10图;项目页面: https://daojiepeng.github.io/LOVON/
主题: 机器人技术 (cs.RO) ; 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2507.06747 [cs.RO]
  (或者 arXiv:2507.06747v1 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.06747
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Jiahang Cao [查看电子邮件]
[v1] 星期三, 2025 年 7 月 9 日 11:02:46 UTC (6,372 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
cs.CV

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