物品位置变化下的持续小物体导航：基准与方法

家用机器人需要不断导航到同一环境中的不同物体，其中许多物体体积小且便于携带，例如工具和玩具。它们较小的视觉足迹和频繁的遮挡使得可靠的观察变得困难，并且它们可能被人移动而机器人观察不到变化。我们将这一具有挑战性的任务表述为“改变对象布局中的终身小对象导航”(LiSoNav-COL)。智能体必须寻找合适的视点进行可靠的观察，积累和重用场景知识以有效地定位后续目标，并在对象重新定位后更新过时的内存。为了消除事先场景扫描的需要，我们还要求Agent在空场景内存的情况下开始导航。尽管实用，但这项任务仍然缺乏围绕其定义假设设计的基准。为了弥补这一差距，我们引入了 LiSoNav-Eval，这是一个涵盖 28 个室内场景和 45 个小物体类别的专用基准测试。其终身导航序列包括未更改和重新定位的目标，以评估内存重用和对对象的适应 搬迁。为了解决这一具有挑战性的任务，我们提出了一种基于视点锚定内存的多视图检查的导航方法，称为 IVAM-Nav。 IVAM-Nav 主动从互补的视点观察支撑表面，以实现可靠的小物体感知，并将所得记忆锚定到其观察视点，支持类似观看条件下的关系记忆重用和重新验证。 LiSoNav-Eval 上的大量实验证明了 IVAM-Nav 相对于代表性方法具有良好的性能。基准分析还表明，较小的物体、较大的环境和较长的迁移距离带来了更大的挑战。数据集和代码可在此处获取。