HSGNav与FAROS-Bench多尺度终身导航方法

2026年11月10日，arXiv Robotics 刊出 Kaiyao Liao 等作者的论文，提出 HSGNav 多尺度终身导航方法与 FAROS-Bench 基准。据该报道，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、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。作者称，现有 GOAT-Bench 等终身基准很少要求回合中途的记忆失效或多尺度搜索，因此提出 FAROS-Bench（Find And Re-find Objects across Scales），用于表面物体中途移位与多尺度寻找目标。实验方面，报道称 HSGNav 在 GOAT-Bench 上表现有竞争力，并在 FAROS-Bench 上大幅优于此前方法。上述性能结论均出自论文作者自述，尚待独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。