arXiv cs.AI· Wenjun Huang, Shenghao Fu, Yian Jin, Yang Ni, Yifan Li, Lichi Li, Xingjian Diao, Pengfei Zhang, Yutong Song, Hanning Chen, Jiarui Cui, Tianyu Yang, Shilong Li, Yu Kong, Mohsen Imani·· 3 天前AI 评分22
ADAPT：面向熄灯工业导航的音频-深度动作规划与过渡感知奖励
ADAPT: Audio-Depth Action Planning with Transition-Aware Rewards for Lights-Out Industrial Navigation
AI 导读
针对熄灯工业环境中可见光缺失的问题，研究者提出音频-深度动作规划框架 ADAPT，用空间音频定位目标、深度感知障碍几何，并通过强化学习优化闭环导航。其核心贡献 TARS 在位置-朝向图上定义姿态感知的最短动作势函数，兼顾可行移动与原地旋转。
正文 · AI 翻译
作者：Wenjun Huang、Shenghao Fu、Yian Jin、Yang Ni、Yifan Li、Lichi Li、Xingjian Diao、Pengfei Zhang、Yutong Song、Hanning Chen、Jiarui Cui、Tianyu Yang、Shilong Li、Yu Kong、Mohsen Imani
摘要：用于具身导航的视觉-语言-动作模型通常依赖 RGB 观测，这限制了它们在可能没有可见光照的熄灯工业环境中的适用性。我们研究使用空间音频进行目标定位、使用深度进行障碍物感知几何建模的与光照无关的导航。为支持这一设定，我们提出了 DarkNav-Bench，一个包含 24 个工业场景和四种逐步增加难度的声学条件的基准。我们进一步提出了 ADAPT，一个配备空间音频感知的音频-深度动作规划框架，并通过强化学习（RL）针对闭环导航进行了优化。我们在 RL 方面的关键贡献——转移感知奖励塑形（TARS）——在位置-朝向图上定义了姿态感知的最短动作势函数。与传统的测地线进展奖励不同，TARS 同时考虑可行移动和原地旋转，为策略优化提供动作一致的反馈。实验表明，ADAPT 在已见和未见场景上均持续优于基于训练的导航基线和零样本多模态模型。在未见环境中，它在 Clean 条件下达到 90.6% 的成功率，并在最具挑战性的 Localized Noise 设置下保持 60.0% 的成功率。这些结果展示了空间音频和深度作为互补模态，在熄灯工业环境中实现可靠的、无需 RGB 的导航的潜力。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.15956 [cs.AI] |
| （或 arXiv:2610.15956v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.15956 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Wenjun Huang [查看邮箱]
[v1]
2026年10月11日星期日 22:23:04 UTC（11,820 KB）
来源：arXiv cs.AI · arxiv.org