arXiv cs.AI· Jing Xia, Changyan Li, Yuduo Wang, Guiyin Tian, Bo Wang, Yifan Liao, Mingjun Li, Shiyan Hu·· 2 天前AI 评分29
AVALON：零样本室内导航，用人类播种的拓扑记忆实现
AVALON: Zero-Shot Indoor Navigation with Human-Seeded Topological Memory
AI 导读
AVALON 是一个面向"人熟悉、机器人未见"室内场景的拓扑导航框架，机器人无需事先实地遍历或站点专项训练，仅需平面图、地点线索和初始拓扑-里程计对齐即可部署。
正文 · AI 翻译
摘要：室内服务机器人经常进入未建图但用户已熟悉其布局和任务约束的建筑。我们针对这种人类熟悉、机器人未见过的场景提出了 AVALON，一个以人类播种的分层空间记忆、节点验证的拓扑执行，以及任务触发、证据门控的人机记忆协同更新为核心的拓扑导航框架。机器人没有先前的现场遍历或特定场地训练。部署仅需一张平面图、地点线索和初始的拓扑-里程计对齐。视觉深度点目标导航利用已验证的节点到达进行平移重锚定，无需机器人构建的全局 SLAM 地图。人机记忆协同更新融合互补的信息来源。人类操作员指定视觉无法观测的任务约束，并报告离线环境修改，而机器人通过主动现场验证提供物理状态证据。任务相关性决定人类报告的环境变化是否在任务执行期间接受机器人验证。现场采集的感知证据对记忆更新进行门控，保持人类指定权限与机器人观测可通行性之间的明确分离。我们在 Unitree Go2 上的实验表明，搭载 X-NavDP 的 AVALON 在无建图情况下以 46.4 秒（5/5）完成 12.81 米的 Intersection-to-Dining 任务，机器人耗时比 DimOS-Go2（78.5 秒，4/5）减少 40.9%，而仅使用策略的 X-NavDP 在全部 5 次运行中均超时。这些结果证明了所提出的拓扑导航框架的优越性。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.21586 [cs.RO] |
| （或 arXiv:2610.21586v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21586 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Guiyin Tian [查看电子邮件]
[v1]
2026年10月15日星期四 09:33:04 UTC（30,410 KB）
来源：arXiv cs.AI · arxiv.org