arXiv Robotics· Xueyang Wang, Zehong Shen, Dingkun Wei, Huaijin Pi, Changpeng Wang, Xing Zhu, Hujun Bao, Yujun Shen, Xiaowei Zhou·· 5 小时前AI 评分40
LHNav：通过多速率协调与物理驱动动作数据实现长程人形机器人导航
LHNav: Long-Horizon Humanoid Navigation via Multirate Coordination and Physics-Grounded Action Data
AI 导读
LHNav 用 Brain、Cerebellum、Brainstem 三个不同时间尺度的角色异步协调任务推理、VLA 运动 token 预测与全身控制，实现人形机器人多目的地长程导航。
推荐理由模型分析
该研究把长程语言指令下的多目的地人形导航拆成任务推理、局部运动生成与全身执行三层异步协同，并用物理约束的数据引擎生成路线忠实、自然的运动示范。仿真中单目标成功率与运动平滑度优于OmniNav和DualVLN，仅用单目标示范训练即在长程任务上达到75.56%成功率，Unitree G1实机验证了零样本长程执行。关注人形机器人导航与VLA落地的研究者可据此比较分层多速率架构与数据构造方式，但结论仍限于仿真指标和有限实机场景。
来源：arXiv Robotics · arxiv.org