arXiv Robotics· Jing Liang, Zhenyu Hou, Senthurbavan Kirubaharan, Md Safwan Mondal, Ashok Gudivada, Xuesu Xiao, Dinesh Manocha·· 5 小时前AI 评分42
MOSU2：融合多模态场景理解的长距离导航系统
MOSU2: Long-range Navigation System with Multi-modal Scene Understanding
AI 导读
MOSU2 长距离导航系统采用两阶段轨迹选择，第一阶段上下文推理判断何时需要补充证据，仅在交互未解决时触发第二阶段检索几何与动态信息。在包含停止手势、施工场地、人行横道及人车混行道路的真实实验中，MOSU2 将平均导航成功率从 61.8% 提升至 94.2%，条件检测准确率从 72.2% 提升至 91.4%，平均决策延迟约为单图像前代的 2.2 倍。
推荐理由模型分析
该研究针对户外长程导航中VLM缺乏几何与运动信息、逐步调用又太慢的问题，提出两阶段轨迹选择：先由上下文推理判断是否需要补充证据，仅在交互未解决时检索几何与动态信息。在停止手势、施工区、人行横道等真实场景中，成功率由61.8%升至94.2%，但决策延迟约为前代2.2倍，适合关注具身导航实时性与精度权衡的研究者参考。
来源：arXiv Robotics · arxiv.org