以视觉语言模型引导电磁数字孪生在线校准

电磁 (EM) 数字孪生为移动机器人提供无线态势感知能力，但依赖于随环境变化的材料电导率。在线校准面临初始化灵敏度和测量旅行成本。我们使用 Unitree G1 机器人和 NVIDIA Sionna 演示了一个视觉语言模型 (VLM) 引导框架，并具有两个 VLM 调用：材料分类通过 ITU-R P.2040 将可见材料映射到电导率先验，以实现 Sionna 在累积接收信号强度 (RSS) 测量上的梯度下降；航路点规划使用残余 RSS 校准误差和图像覆盖范围在线选择下一个测量位置。在真实的室内场景中，该框架在20 m行程内实现了$1.74\times10^{-4}$的归一化平均绝对电导率误差；随机初始化永远不会收敛，而随机路径点需要超过两倍的行程。