大脑慢，规划快：抗延迟 VLM 增强城市导航

基于学习的人行道导航规划器可以实时生成不同的候选轨迹，但它们的评分函数通常无法在具有挑战性的情况下选择最佳轨迹，输出的轨迹使移动机器人驶入草地、驶向行人或驶向错误的方向，即使同一组中存在更好的候选轨迹。我们将其称为轨迹评分差距：在现实世界的人行道导航中，基于锚的规划器的最佳选择与最佳候选之间的差距很大，可能是由于规划器的高级场景理解能力有限。我们提出了一个 VLM-Planner 接口，它使用 VLM 从规划器的建议集中选择候选索引，然后将其与规划器的初始输出融合，而不是用端到端的 Vision-Language-Action 模型替换规划器。然而，VLM 每次查询需要 1--3 秒，因此无法直接驱动 5--20Hz 控制环路。我们贡献了一个 无需训练，延迟弹性轨迹级融合层，通过具有指数衰减的几何相似性将陈旧的 VLM 选择转变为实时规划器评分。在 $\sim$2,000 具有挑战性的现实场景（例如路口、行人相遇）中，与规划者的最佳选择相比，VLM 选择实现了 30% 的 ADE 减少，而规划者在常规情况下仍保持竞争力。在模拟中，Score Fusion 保持 >80% 的成功率，延迟高达 5 秒。我们在移动机器人上演示了完整的系统，该机器人在具有不同网络延迟的具有挑战性的校园人行道上导航。