EgoNav：桥接学习的航路点和几何感知的本地控制，实现强大的室内导航

使用轻量级拓扑地图的图像目标导航是室内机器人部署的实用范例：地图仅需要地理标记的图像，并且定位依赖于视觉匹配而不是精确的姿态估计。然而，学习的航路点预测器可能会产生违反几何约束或偏离全局路径的目标。安全地执行这些航路点还需要能够避免碰撞的本地规划器，但现有系统要么缺乏这种规划器，要么依赖无法适应有限空间的固定参数。为了解决这些限制，同时保留学习预测器的导航直觉，我们提出了 EgoNav，这是一个分层系统，它通过从语义分段的可遍历区域中生成候选者并根据学习的路径点对它们进行评分来实现这一想法，以实现几何安全性、方向一致性和对学习先验的保真度。然后，自适应局部路径规划器使用基于细化结果调制的参数来执行细化的航路点。 Habitat-sim 和实体人形机器人上的实验表明，EgoNav 在成功率和路径效率方面始终优于当代基线。