跳至正文
原文导读 · 原标题中译

LifelongCrossNav:用于跨楼层多目标导航的持久三维语义记忆

LifelongCrossNav: Persistent 3D Semantic Memory for Cross-Floor Multi-Object Navigation

材料发布 2026-10-10 · arXiv · 作者论文 · 核查 2026-10-18
图2:LifelongCrossNav 总体框架。给定 RGB-D 观测、智能体位姿与当前目标文本,系统同时更新一张支撑感知(support-aware)的三维体素地图和持久化的三维语义记忆。几何分支依据观测到的表面、射线投射得到的自由空间以及语义-几何的楼梯证据构建跨楼层可通行性;语义分支将与目标无关的视觉-语言特征提升(lift)并融合到三维表面体素中。统一导航策略在基础前沿(Basic Frontiers)、楼梯前沿(Stair Frontiers)、历史兴趣点(History POIs)与实时兴趣点(Live POIs)之间进行选择,并针对基础探索、楼梯探索、兴趣点导航和最终物体接近执行模式感知的三维规划。当当前物体目标完成后,已积累的环境记忆被保留,并激活下一个物体目标。概要:RGB-D 观测、相机位姿与目标文本由支撑感知三维体素建图与持久化语义记忆两个分支处理,二者的输出供统一导航策略用于前沿探索、楼梯通行、语义兴趣点导航与最终目标接近。 图片出处

内容摘要

多目标导航的记忆复用与跨楼层通行往往被分开处理。作者提出LifelongCrossNav,面向未知多层室内环境中的顺序物体目标导航:智能体只接收当前目标,完成后才获知下一个。

方法以共享稀疏三维语义体素记忆保存几何、可通行状态和视觉语言特征,切换目标时重新查询,无需重建地图;结合支撑感知建图、楼梯感知与方向感知穿越,由统一策略协调同层探索、历史及实时兴趣点检索和目标接近。

作者构建HM3D-MFMON,包含36个场景、927个三目标回合,其中288个要求至少一次跨层。在该基准上,完整方法的序列SR为36.57,OneMap为16.83;必需跨层子集分别为12.50和0.00。移除跨目标记忆后,整体SPL由12.38降至11.46。

这些结果来自作者实验:每回合三个目标共享1500次动作预算,采用事后分阶段最短路径评测;OneMap是持久二维语义地图基线,并不显式支持跨楼层导航。

点评

作者的消融结果支持跨目标几何与语义记忆复用改善后续目标的导航效率;贡献在于将可查询记忆与跨层通行统一,而非证明通用导航能力。

“终身”仅指同一环境内跨目标的记忆复用,独立回合间状态重置。楼梯规划不保证长边中间路径的连续扫掠体积碰撞认证;比较应限定于所述任务、协议和基线。

版本与核查范围

版本 2608.07079v2 · 原文定位与程序检查、独立上下文模型复核;不代表独立研究复现。。依据已核查材料整理;未运行模型或机器人。

原文与定位

  • 原文链接 #abstract1.1;#S3.SSx1.p1.1;#abstract1.1;#S3.SSx3.p5.1;#abstract1.1;#A7.SSx1.p1.1;#S5.T1.4.1;#S5.T3.4.1;#A2.p2.1;#S4.SSx3.p2.1;#S4.SSx2.p3.2;#S4.SSx3.p1.1