跳到正文
arXiv · 机器人与计算机视觉· Shichao Zhai, Shuhao Ye, Rong Xiong, Yue Wang·· 2026-10-07精选AI 评分78

多层级物体导航的模块化策略学习:用于诊断研究的分解框架

Learning Modular Policy for Multi-Floor Object Navigation:A Factorized Framework for Diagnostic Study

AI 导读

针对多层级场景中长视界决策导致的稀疏奖励问题,本文提出一种基于模块化框架的诊断性研究。设计分层分解策略将全局策略解耦为楼层内探索策略和楼层间切换策略,并通过蒸馏视觉语言模型的探索逻辑来初始化轻量级楼层内策略。理论分析表明在理想假设下该分解策略与单一全局策略等价。实验结果显示感知性能和爬梯稳定性是多层级导航的主要瓶颈。

推荐理由

该文提出分层分解框架,通过蒸馏视觉语言模型初始化策略,诊断多层级导航中的感知与爬梯稳定性瓶颈。

来源:arXiv · 机器人与计算机视觉 · arxiv.org