Active SLAM Semantic Mapping Robot Navigation VLM Task Planning
摘要

本文提出 RoboAtlas,一种上下文主动 SLAM 框架,利用可扩展的 3D 语义映射系统 OpenRoboVox,自适应地平衡几何探索与语义推理。该框架通过上下文多臂老虎机机制,整合前沿探索、全局语义图推理及以自我为中心的 VLM 推理,随着场景理解加深从探索过渡到语义引导导航。在仿真及真实大规模环境(超 1800 平方米)中的评估显示,其任务成功率达 100%。在 GOAT-Bench 基准测试中,RoboAtlas 取得 90.6% 的最新最高成功率,显著优于现有基线,证明了将基础模型与大规模 3D 语义图结合可实现鲁棒高效的上下文主动 SLAM。

AI 推荐理由

论文核心在于通过语义推理自适应平衡探索与导航策略,属于高级任务规划。

研究机构
日本东京大学 美国麻省理工学院
论文信息
作者 Alexander Schperberg, Shivam K. Panda, Abraham P. Vinod, M. K. Jawed, Stefano Di Cairano
发布日期 2026-06-24
arXiv ID 2606.26046
相关性评分 9/10 (高度相关)