通过前沿评分实现零样本以对象为中心的语义导航的房间介导共现

零样本 ObjectNav 方法越来越多地使用视觉语言先验，但潜在空间中的直接对象-对象相似性通常是空间共现的弱代理。我们提出了一种分析性的 无需训练 语义导航管道，它通过紧凑的房间词典来调解对象关系。每个对象标签都映射到 CLIP 派生的房间概率向量 (RPV)，并且对象-目标共现是根据 RPV 分布重叠计算的。这些分数使用测地线洪水填充传播（快速行进方法）和自适应信号衰减投影到价值地图上，并用于按导航语义分数对边界进行排名。这些组件共同形成一个集成的 无需训练、以对象为中心的管道，用于开放词汇表零样本导航。结果表明，与 HM3D 数据集验证分割上的图像整体基线相比，我们以对象为中心的方法将成功率 (SR) 和加权逆路径长度 (SPL) 成功率分别提高了 3% 和 1.3%，同时保留了可解释性和开放词汇灵活性。代码位于：uts-ri.github.io/RPV-SemNav。