arXiv cs.MA· I-tak Ieong, Hao Tang·· 11 小时前AI 评分29
HGWM：用分层图引导世界模型与图匹配实现零样本物体导航
HGWM: Hierarchical Graph-Guided World Model for Zero-Shot Object Navigation via Graph Matching
AI 导读
HGWM 将 LLM 生成的房间锚点先验与持久空间语义记忆结合，通过粗粒度视觉语义打分与细粒度符号匹配两阶段，在局部动作选择前融合 LLM 方向建议。在 HM3D v0.1 上取得 62.6% SR 和 31.5% SPL，高于 WMNav 的 58.1% 和 31.2%；MP3D 上为 46.8% 和 17.9%。
正文 · AI 翻译
摘要：零样本物体导航要求具身智能体在保留先前观测证据的同时选择搜索位置。HGWM 将 LLM 生成的房间锚点先验与持久空间语义记忆相结合。粗阶段以 0-10 的尺度为候选朝向分配视觉语义分数；细阶段衡量观测物体、房间上下文与目标先验之间的符号兼容性。阶段相关融合将这些分数与 LLM 方向建议相结合，再进行局部动作选择。在 HM3D v0.1 上，所报告的 HGWM 配置达到 62.6% 成功率（SR）和 31.5% 路径长度加权成功率（SPL），而 WMNav 为 58.1% 和 31.2%。在 MP3D 上，相应数值为 46.8% 和 17.9%，而对比方法为 45.4% 和 17.2%。结果表明成功率点估计更高，路径效率略有提升。在 HM3D v0.2 上，完整模型获得 74.4% SR 和 31.9% SPL。额外的组件消融使 SR 降低 0.9-2.3 个百分点，SPL 降低 0.6-1.5 点。这些是作者报告的汇总测量结果。随附实现通过了离线测试；回合级重跑记录不可用。评估仅限于仿真。
| 主题： | 机器人学（cs.RO）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.32554 [cs.RO] |
| （或 arXiv:2610.32554v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32554 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：I Tak Ieong [查看电子邮件]
[v1]
2026年10月23日星期五 12:35:26 UTC（4,399 KB）
来源：arXiv cs.MA · arxiv.org