论文页面 - SuperNav：适用于任何场景中任意任务的智能体导航系统

来源：https://huggingface.co/papers/2610.12126

摘要

通用服务机器人需要能够在陌生环境中处理多样化人类请求的导航系统，兼顾任务通用性与场景通用性。现有的一些方法通过微调多模态大语言模型（MLLM）来预测导航动作，这使其行为依赖于导航训练数据的覆盖范围，可能限制其对新请求和新环境的泛化能力。我们的核心思路是让 MLLM 专注于解释请求、理解场景和做出决策，同时保留其通用能力，并将运动执行委托给导航工具。为了实现这一思路，我们提出了 SuperNav，它为预训练的 MLLM 配备了一个专门的智能体框架，而无需对 MLLM 进行导航相关的微调。我们的框架通过导航技能（Navigation Skills）、面向物理交互的智能体工具（Tools）、以及任务进度和上下文管理来支撑决策过程。一个统一的视觉-点位接口将决策与运动连接起来，允许模型直接在图像中指定目标位置，并根据执行反馈修正决策。这些组件共同支持了在不同任务需求和环境中的持续导航。SuperNav 在实例级、多目标和需求驱动任务上优于四个评测基线。在 HM3D 上的类别级评估以及在真实四足机器人上的部署，进一步证明了其跨环境的适用性。项目页面：https://zju3dv.github.io/SuperNav/

查看 arXiv 页面 (https://arxiv.org/abs/2610.12126) | 查看 PDF (https://arxiv.org/pdf/2610.12126) | 项目页面 (https://zju3dv.github.io/SuperNav/) | GitHub (https://github.com/zju3dv/SuperNav) | 加入收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.12126)

在你的智能体中获取此论文：

hf papers read 2610.12126

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

暂无关联此论文的模型

在模型 README.md 中引用 arxiv.org/abs/2610.12126 以在此页面建立关联。

引用此论文的数据集 0

暂无关联此论文的数据集

在数据集 README.md 中引用 arxiv.org/abs/2610.12126 以在此页面建立关联。

引用此论文的 Spaces 1

收录此论文的合集 0

暂无收录此论文的合集

将此论文添加到合集 (https://huggingface.co/new-collection) 以在此页面建立关联。