SurveilNav：使用机器人和监控系统进行协作对象目标导航

随着监控系统在工厂、办公室和家庭中的部署不断增加，将它们与机器人集成为协作和高效的任务执行提供了一个有希望的方向。然而，现有的方法主要集中于单机器人场景，难以应对大规模环境中的多视图协作。在本文中，我们提出了一种基于 Habitat-Sim 构建的新颖的室内协作对象导航数据集，该数据集具有分布在 74 层楼的 206 个摄像头。该数据集能够系统地评估代理利用多视图监视信息的能力。为了解决单机器人感知的局限性，我们提出了 SurveilNav，这是一种协作导航框架，集成了主动摄像机调度、联合 2D/3D 建图、基于 VLM 的值估计和协作目标验证。该架构通过将机器人的动态局部感知与静态全局监视视图相结合，有效克服了单个智能体感知范围有限和固定摄像机固有的盲点，解决了探索效率低下的问题。 HM3D 数据集上的实验结果表明，SurveilNav 大大优于现有方法，在勘探效率和导航成功率方面均达到了最先进的性能。此外，该系统在大规模搜索、家庭环境和救援任务中显示出强大的应用潜力。