CoSMO：面向开放世界安全机器人导航的共形语义地图

CoSMO 提出一种语义安全地图框架，将视觉语言模型嵌入转换为在线校准的覆盖集与安全感知障碍膨胀，以应对分布偏移。作者指出视觉语言模型置信度校准较差，而现有共形预测方法假设固定标签集与平稳数据，因此直接在嵌入空间校准，避免词表扩展时的分数重缩放。在 Matterport3D 数据集上，CoSMO 相对仅几何基线将语义碰撞减少 61.6%，并在专家反馈延迟时仍保持形式化覆盖保证；四足机器人实机实验达到 90.73% 的长期经验覆盖率，目标为 90%。论文被 CoRL 2026 接收。