IntentNav：从人类演示学习物体导航策略

Yuxin Cai 等作者提出 IntentNav，一个从人类演示中学习类人物体导航策略的空间-视觉模仿框架，用于在未知环境中部分可观测地搜索未观察到的目标。作者称，该方法在 MP3D、HM3D-v1、HM3D-v2 的 ObjectNav 基准上取得学习类方法中的最优表现，成功率在所有对比方法中最高。 方法上，作者用基于前沿的人类意图标注，在演示中前瞻性标注最能解释演示者未来搜索方向的前沿，以从低层人类动作推断高层搜索意图；并构建空间-视觉候选空间，用 BEV 记忆跟踪已探索区域、未探索前沿和轨迹历史，用自我中心视觉记忆为候选提供语义线索，训练 VLM 策略在候选间选择，配合意图对齐目标鼓励类人探索。 作者还称，该候选级导航接口无需进一步微调 VLM，即可零样本迁移到轮式、四足和人形机器人。上述结果来自 arXiv 预印本，尚未经同行评议和独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。