HaltNav提出分层视觉语言导航框架

Zihui Yu、Pingcong Li、Bichi Zhang、Sören Schwertfeger 提出分层视觉语言导航框架 HaltNav，将基于轻量文本化 osmAG 拓扑图的全局规划与视觉语言导航的局部探索、指令落地结合。作者称，仅靠先验地图做全局规划在真实部署中容易失效，例如门关闭或通道拥挤会改变局部连通性，导致执行失败。 HaltNav 的 brain 模块基于多模态大模型，把全局路线转换为局部执行片段，并通过反应式视觉中止（RVH）检测上述局部异常，使 osmAG 中对应拓扑失效并触发重规划绕行。作者还提出数据合成流程，用生成模型向可通行场景注入障碍，以扩充困难负样本、训练中止能力。 作者在预印本中称，实验显示该框架无需繁琐语言指令即优于多个基线，并提升了环境变化下长程视觉语言导航的鲁棒性；具体任务、机器人和成功率等条件未在摘要中给出。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。