MVP-Nav：多层价值地图规划导航器

仅具有 RGB 感知的零样本物体目标导航 (ZSON) 对具身智能体提出了根本性挑战，因为缺乏明确的深度信息会带来严重的物理不确定性和语义-物理错位。现有的方法要么依赖于缺乏几何依据的高级语义推理，要么学习缺乏明确物理约束的端到端策略，通常会导致语义上合理但物理上不安全的行为。在本文中，我们提出了 MVP-Nav，这是一种物理感知的 RGB 导航框架，可将感知、规划和控制与真实的 3D 世界保持一致。 MVP-Nav 通过利用 3D 基础模型将 2D 语义实例投影到 3D有向包围框中，形成全局空间语义表示，从单目观测中重建显式物理占用。为了统一高层语义推理和低层物理约束，我们引入了多层价值图（MVM），它将语义优先级和重构几何集成到共享成本空间中，从而实现基于物理的几何规划。对零样本目标导航基准的大量实验表明，MVP-Nav 的性能显着优于现有的无深度方法，实现了最先进的性能，并验证了结构化物理先验可​​以有效地弥补主动深度传感器的缺失。