arXiv cs.AI· Hojoon Son, Fan Zhang·· 10 天前AI 评分27
PG-VP：面向温度与辐射感知 VLA 导航的物理引导视觉提示
Seeing the Invisible: Physics-Guided Visual Prompting for Temperature- and Radiation-Aware VLA Navigation
AI 导读
研究者提出 Physics-Guided Visual Prompting（PG-VP），一种即插即用多模态感知模块，让冻结的 VLA 模型通过叠加随帧移动的虚拟障碍物绕开 RGB 相机不可见的辐射与热源，无需重新训练或新增编码器。
正文 · AI 翻译
摘要：视觉-语言-动作（VLA）模型已成为视觉-语言导航（VLN）的主要范式。然而，在安全关键设施中，辐射或温度骤升等不可见风险无法被 RGB 摄像头检测到，而处理每种风险的成本都很高，需要新的编码器、新的数据和模型重新训练。我们提出物理引导视觉提示（PG-VP），这是一种即插即用的多模态感知模块，它转而复用冻结的 VLA 模型已经擅长的能力：避开可见障碍物。给定近端辐射源或热源，PG-VP 执行物理引导的风险评估以确定规避方向，并叠加一个相应的虚拟障碍物，该障碍物在连续帧中移动（动态视觉提示）。导航策略随后自然地绕开这一不可见危险。无论危险类型如何，都使用相同的虚拟障碍物，因此随着传感器的增加，视觉提示模式保持固定。当未检测到危险时，不渲染任何内容，策略的行为与没有 PG-VP 时完全一致。我们在 OmniNav 上使用 R2R-CE 和 RxR-CE 的 val-unseen 划分评估 PG-VP，它在 84.9% 和 83.2% 的情况下引导策略采取预期的低风险动作，代价是导航成功率下降 6.8 和 7.9 个百分点。我们进一步在真实机器人上使用不同的场景，在实际热源和辐射源存在的情况下进行测试，全程无需任何重新训练。真实测试表明，PG-VP 有效避开了这些不可见危险，针对热源和辐射源，最差 10% 平均轨迹安全性分别提高了 63.45% 和 32.59%。
| 评论： | 8 页，7 幅图，2 张表 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.07558 [cs.RO] |
| （或 arXiv:2610.07558v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07558 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Hojoon Son [查看电子邮件]
[v1]
2026 年 10 月 6 日星期二 00:44:06 UTC（3,560 KB）
来源：arXiv cs.AI · arxiv.org