arXiv cs.AI· Shreya Gummadi, Mateus V. Gasparino, Gianluca Capezzuto, Marcelo Becker, Girish Chowdhary·· 2 天前AI 评分30
ZeST：基于 VLM 的未知环境零样本可通行性导航
ZeST: A VLM-based Zero-Shot Traversability Navigation for Unknown Environments
AI 导读
ZeST 将 VLM 的重复输出视为随机测量并融合为不确定性感知后验，实现零样本可通行性预测，避免为采集数据将机器人置于危险环境。在室内受控与户外非结构化环境实验中，ZeST 导航成功率达 90-100%，而所有基线均不超过 60%，且在查询延迟高达 3.6s 时仍保持完全成功。
正文 · AI 翻译
摘要：机器人技术和自主导航系统的进步取决于准确预测地形可通行性的能力。用于训练这些预测模型的传统数据集生成方法通常需要将机器人置于潜在危险的环境中，给设备和安全带来风险。为了解决这个问题，我们提出了 ZeST，这是一种新颖的方法，它将重复的 VLM 输出视为随机测量，并将其融合为具有不确定性感知的后验。我们的方法不仅实现了零样本可通行性预测，并减轻了与现实世界数据收集相关的风险，还加速了先进导航系统的开发，提供了一种经济高效且可扩展的解决方案。为了支持我们的发现，我们展示了在受控室内和非结构化室外环境中的导航结果。如实验所示，ZeST 提供了更安全的导航，成功率达到 90-100%，而没有任何基线超过 60%，并且在查询延迟高达 3.6 秒的情况下仍保持完全成功。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2508.19131 [cs.RO] |
| （或 arXiv:2508.19131v4 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2508.19131 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Shreya Gummadi [查看电子邮件]
[v1]
2025年8月26日星期二 15:30:19 UTC（8,161 KB）
[v2]
2025年10月17日星期五 19:27:35 UTC（8,161 KB）
[v3]
2026年10月4日星期日 15:01:28 UTC（8,204 KB）
[v4]
2026年10月15日星期四 17:24:07 UTC（4,257 KB）
来源：arXiv cs.AI · arxiv.org