arXiv cs.AI· Jose Mart\'inez-Fajardo, Pablo Pueyo, Fernando Caballero, Luis Merino·· 12 小时前AI 评分26
从语言到导航目标：基于 RGB-D 感知的移动机器人语义导航视觉语言方法
From Language to Navigation Goals: A Vision-Language Approach for Semantic Navigation of Mobile Robots Using RGB-D Perception
AI 导读
一个语言驱动的导航框架让移动机器人将自然语言请求转化为导航目标并自主抵达，系统由模块化 ROS 2 组件构成，先用 RGB-D 数据识别并定位指令所指物体，再通过 ROS 2 Nav2 导航栈执行。
正文 · AI 翻译
摘要：自然语言交互为非专业用户与机器人平台沟通提供了一种直观方式。然而，将用户请求转化为可执行的导航动作仍是一项具有挑战性的任务，需要融合语言理解、环境感知与自主导航。本工作提出一个语言驱动的导航框架，使移动机器人能够理解自然语言形式的用户请求，将机器人移动到目标位置并自主导航前往该目标。
该框架由多个模块化的 ROS 2 组件构成，这些组件协同工作，将自然语言指令转化为导航动作。给定一条指向环境中某个目标的自然语言请求（例如“去邮箱那里”），系统会识别所引用的物体，利用 RGB-D 数据估计其位置，并生成导航目标，随后通过 ROS 2 Nav2 导航栈执行该目标。基于 ROS 2 的实现便于在不同机器人平台之间移植，只需配置相应的主题和服务。
该系统在仿真和真实场景中分别使用 TurtleBot3 Waffle 和搭载 RealSense 相机的 Unitree Go2 机器人进行了评估。实验结果表明，该框架能够成功理解直接指令和上下文请求，生成有意义的自然语言反馈，并导航至期望目标。这些结果证明了将语义感知与自主导航相结合以提供直观人机交互范式的可行性。代码将在论文录用后作为开源发布。
| 评论： | 7 页，7 幅图，4 张表 |
| 主题： | 机器人学 (cs.RO)；人工智能 (cs.AI) |
| 引用为： | arXiv:2607.13624 [cs.RO] |
| （或 arXiv:2607.13624v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2607.13624 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jose Martínez-Fajardo [查看邮箱]
[v1]
2026年7月15日 星期三 09:15:21 UTC（1,720 KB）
[v2]
2026年10月27日 星期二 14:34:48 UTC（1,435 KB）
来源：arXiv cs.AI · arxiv.org