分层 3D 场景图构建和基于信念的语义导航规划

语义导航是在看不见的环境中运行的实体代理的一项基本任务，需要语义理解和长期决策。最近的基础模型为智能体赋予了执行此任务的丰富语义先验。然而，如果没有结构化的全局表示，决策往往会依赖于局部观察和贪婪策略，导致探索效率低下和短视行为，尤其是在长距离导航中。为了应对这些挑战，我们提出了一个零样本语义导航框架。我们的方法增量维护在线分层 3D 场景图 (HSG)，以在对象、区域和区域上形成多粒度语义拓扑，作为全局规划的紧凑状态抽象。在此记忆的基础上，我们引入了一个基于信念的分层规划框架，该框架将语义先验与 HSG 上的探索证据融合在一起，并在基于 HSG 的模拟器上执行有限范围的轨迹展开，以明确估计候选宏观操作的长期预期回报。这可以实现全局一致的决策并减少冗余回溯。在跨多个任务和数据集的高保真模拟环境中进行的大量实验表明，我们的方法优于现有的最先进方法，特别是在长距离场景中，我们的方法将 SR 和 SPL 平均分别提高了 9.4% 和 5.0%。