摘要
针对服务机器人在长期运行中需依赖经验而非每次重新探索的需求,本文提出SSTG-Nav,一种可复用的度量-语义记忆机制。该机制将一次性勘测转化为可执行的目标指引,整合多视角证据并保留空间恢复点。在HM3D-v2数据集上的实验表明,引入度量接地显著提升了成功率与路径长度得分,结合源感知融合进一步增强了鲁棒性。通过ROS2/Nav2实现的完整管道验证了预探索作为可靠重复语义导航范式的有效性。
AI 推荐理由
论文核心提出可复用的度量-语义记忆架构,解决长期部署中的空间记忆与目标导航问题。
研究机构
香港科技大学(广州)
山东大学
论文信息