arXiv Robotics· Ziwon Yoon, Seok Hwan Kim, Yiyu Chen, Quan Nguyen, Lu Gan, Ye Zhao·· 5 小时前AI 评分31
HINT-VLM：人形机器人如何用视觉语言模型在崎岖地形中交互导航
HINT-VLM: Humanoid Interactive Navigation over Rough Terrain with Embodiment-Grounded Vision-Language Model
AI 导读
HINT-VLM 提出一种混合规划框架，将视觉语言模型（VLM）的语义先验与机器人本体交互数据通过高斯过程（GP）残差模型结合，用于人形机器人在杂乱户外崎岖地形中的可移动障碍物导航（NAMO）。
推荐理由模型分析
针对人形机器人在崎岖户外环境中既要判断地形可通行性、又要预测物体可移动性的难题，把VLM的语义先验与高斯过程残差结合，用实体交互数据校正可移动性估计，再接入分层不确定性规划。做具身导航与移动操作的研究者可参考其概率化融合思路，但摘要未给出实验规模与成功率，结论仍待正文验证。
来源：arXiv Robotics · arxiv.org