与我同行：以人为本的户外援助的长视野社交导航

在开放世界的户外环境中帮助人类需要机器人将高级自然语言意图转化为安全、长期且符合社会规范的导航行为。现有的基于地图的方法依赖于昂贵的预先构建的高清地图，而基于学习的策略大多局限于室内和短视距设置。为了弥合这一差距，我们提出了“与我同行”，这是一个无地图框架，可根据高级人类指令进行长视野社交导航。 Walk with Me 利用公共地图 API 中的 GPS 上下文和轻量级候选兴趣点来进行语义目的地定位和路径点建议。高级视觉语言模型将抽象指令转化为具体目的地，并规划粗略的航路点序列。在执行过程中，观察感知路由机制确定低级视觉-语言-操作策略是否可以处理当前情况，或者是否需要来自高级 VLM 的显式安全推理。例行程序段由低级 VLA 执行，而拥挤的十字路口等复杂情况会在不安全时触发高级推理和停车等待行为。通过结合语义意图基础、无地图的长期规划、安全意识推理和低级动作生成，“Walk with Me”能够实现实用的户外社交导航，以提供以人为本的援助。