HyperDCM：双曲空间中的动态集群内存重放，用于跨场景的连续机器人导航

由于灾难性遗忘以及适应多样化和不断变化的环境的困难，视觉导航的持续学习仍然具有挑战性。为了解决这些问题，我们提出了双曲动态集群内存（HyperDCM），这是一种结构感知内存机制，可通过场景图建模和有原则的内存重放来增强基于扩散策略的导航。 HyperDCM 使用大型视觉语言模型从 RGB 观察中提取语义场景三元组，通过关系图卷积网络 (R-GCN) 将其编码为场景图嵌入，并将嵌入投影到双曲空间中，以增强连续导航中的结构可分离性和保留性。动态聚类和结构敏感的更新策略选择代表性样本进行记忆重放，从而保留知识多样性并减轻灾难性遗忘。在多场景室内和室外数据集上的实验表明，与适应扩散策略导航的代表性持续学习基线相比，HyperDCM 实现了对过去导航功能的出色保留并提高了泛化能力。