arXiv Robotics· Kaiyao Liao, Qingfeng Li, Chen Chen, Qing Sun, Ningbo Gu, Xiaoze Wu, Haochen Zhao, Ying Li, Jianwei Niu·· 5 小时前AI 评分31
HSGNav：面向物体移位下多尺度终身导航的假设场景图
HSGNav: Hypothesis Scene Graphs for Multi-Scale Lifelong Navigation under Object Relocation
AI 导读
HSGNav 用假设场景图（HSG）把持久的三维家具实体与可修正的桌面小物体假设分开，小物体只保留视觉证据而无需独立几何，从而支持局部修正而不重建稳定实体拓扑。检索按目标尺度选择实体或假设证据，探索补充表面观测，验证确认目标存在或使被否证的假设记录失效。在 GOAT-Bench 上表现有竞争力，并在新提出的 FAROS-Bench（跨尺度寻找与重找物体、含物体中途移位）上大幅优于此前方法。
推荐理由模型分析
该研究把持久家具实体与可修订的桌面小物体假设分离，用假设场景图保留小物体视觉证据并支持局部更新，避免场景变化后残留过期记录。作者还提出FAROS-Bench，专门测试任务中途物体被移动与多尺度查找，弥补GOAT-Bench较少覆盖记忆失效的空白。做家庭服务机器人导航与场景记忆的研究者可据此比较检索、探索与验证环节的设计取舍。
来源：arXiv Robotics · arxiv.org