论文

SignScene:无地图导航的视觉标志定位

SignScene: Visual Sign Grounding for Mapless Navigation

摘要

导航标志使人类能够在没有地图的情况下在陌生的环境中导航。这项工作研究机器人如何在开放世界中类似地利用标志进行无地图导航。一个核心挑战在于解释符号:现实世界的符号是多样且复杂的,它们的抽象语义内容需要扎根于本地 3D 场景。我们将其形式化为符号基础,即将符号上的语义指令映射到相应的场景元素和导航动作的问题。最近的视觉语言模型(VLM)提供了该任务所需的语义常识和推理能力,但对空间信息的表示方式很敏感。我们提出了 SignScene,一种以标志为中心的空间语义表示,它捕获与导航相关的场景元素和标志信息,并以有利于有效推理的形式将它们呈现给 VLM。我们在九种不同环境类型中收集的 114 个查询的数据集上评估了我们的定位方法,实现了 88% 的定位准确率,并且显着优于基线。最后,我们证明它可以仅使用标志在 Spot 机器人上实现现实世界的无地图导航。