ApexNav

An Adaptive Exploration Strategy for Zero-Shot Object

Navigation with Target-centric Semantic Fusion

在智能家居、倉儲物流、甚至未來家庭助手中，有一個看似簡單卻極具挑戰(zhàn)的任務：“去幫我拿一下沙發(fā)上的遙控器?！?/p>

對人類來說，這輕而易舉；但對機器人而言，這意味著它必須在從未見過的環(huán)境中，理解“遙控器”是什么，并自主探索、定位、最終抵達目標——這就是零樣本物體目標導航（Zero-Shot Object Navigation, ZSON）。

然而，現(xiàn)有方法常陷入兩個困境：

• 效率低：在空走廊或白墻前“發(fā)呆”，反復推理卻不敢前進；

• 容易被騙：把一個長得像微波爐的烤箱當成目標，直接“認錯人”。

項目主頁：https://robotics-star.com/ApexNav/

使用產品：松靈LIMO多模態(tài)開發(fā)平臺

針對上述問題，《ApexNav: An Adaptive Exploration Strategy for Zero-Shot Object Navigation with Target-centric Semantic Fusion》提出了一套兼具高效性與魯棒性的導航框架，在多個主流仿真基準上實現(xiàn)SOTA性能，并成功部署于真實移動機器人平臺。

01

?? 靈感來自人類：會“切換模式”的智能導航

• 研究團隊觀察到：人在找東西時，會動態(tài)調整策略。

• 當看到疑似目標（比如廚房里有個白色方塊），我們會走近、繞一圈、多角度確認——這是謹慎驗證；

• 當身處陌生走廊，眼前全是門和墻，我們會先快速走完一圈摸清布局——這是高效探索。

• ApexNav 正是將這種“人類智慧”編碼進了算法。

01.自適應探索策略

?模式判別準則：對當前前沿區(qū)域（frontiers）計算語義得分分布的統(tǒng)計特征（最大值/均值比 r 與標準差 σ）。若 r>τr 且 σ>τσ，判定為語義富集區(qū)，啟用語義模式；否則進入幾何探索模式。

?語義模式優(yōu)化：將高語義得分的前沿點建模為旅行商問題（TSP），通過求解近似最優(yōu)路徑，實現(xiàn)全局有序的語義區(qū)域遍歷，避免貪心策略導致的振蕩行為。

?幾何模式設計：采用最近前沿優(yōu)先策略，最大化地圖覆蓋率，加速環(huán)境結構構建。

該策略有效平衡了目標導向搜索與環(huán)境探索之間的張力，顯著提升路徑效率。

02.目標中心語義融合

為提升目標識別的魯棒性，ApexNav構建了一個上下文感知的多幀融合機制：

• 混淆集預推理：利用大語言模型（LLM）生成與目標類別在視覺或功能上易混淆的物體集合（如“微波爐” → {烤箱, 打印機, 小冰箱}），并對所有候選對象進行長期跟蹤。

• 加權置信度融合：融合多幀觀測時，不僅考慮檢測置信度，還引入點云體積作為可靠性權重（體積越大，觀測越完整，權重越高）。

• 消失懲罰機制：若某物體在連續(xù)幀中未被觀測到，其累積置信度按指數(shù)衰減，有效抑制偶發(fā)高置信度誤檢。

• 自適應判定閾值：基于目標物體的典型尺度，由LLM動態(tài)設定識別閾值，實現(xiàn)細粒度決策控制。

該融合機制顯著增強了系統(tǒng)在雜亂、遮擋及相似物干擾場景下的判別能力。

02

?? 從仿真到現(xiàn)實：真機實測成功！

研究團隊將 ApexNav 部署在 AgileX LIMO移動機器人上，在真實宿舍與實驗室環(huán)境中完成了多項任務。

仿真評估

• 數(shù)據(jù)集：HM3Dv1、HM3Dv2、MP3D

• 指標：成功率（Success Rate, SR）、路徑長度加權成功率（SPL）

結果：

1. 在 HM3Dv2 上，SR 達68.5%，SPL 為 54.2%，分別超越前SOTA方法 19.8%和 16.9%；

2. 消融實驗表明，移除自適應探索或語義融合模塊均導致性能顯著下降，驗證了各組件的有效性。

真實世界部署

• 平臺：AgileX LIMO移動機器人（搭載RGB-D相機與SLAM系統(tǒng)）

• 任務：在未建圖的宿舍與實驗室環(huán)境中執(zhí)行“找馬桶”“去沙發(fā)處”等指令

• 表現(xiàn)：系統(tǒng)在無任何場景先驗條件下，穩(wěn)定完成導航任務，驗證了算法的可遷移性與實用性。

03

? 啟示與展望

ApexNav 的核心貢獻在于將認知啟發(fā)式策略轉化為可計算的工程框架：

• 其自適應探索機制為開放世界導航中的探索-利用權衡提供了新范式；

• 標中心融合策略展示了如何結合LLM常識推理與多模態(tài)感知，構建魯棒的高層語義理解模塊；

• 整體架構不依賴端到端訓練，具備良好的模塊化與可解釋性，便于在實際系統(tǒng)中集成與調試。

該工作不僅推動了ZSON任務的性能邊界，也為具身智能在開放、動態(tài)、未知環(huán)境中的可靠部署提供了重要技術路徑。

松靈機器人成立于2016年，是全球領先的機器人底盤制造商和移動機器人系統(tǒng)解決方案服務商。目前，松靈機器人已經擁有多款適用于不同地形的室內外移動機器人底盤，在載重、續(xù)航、速度、運動模式等不同需求場景下實現(xiàn)全矩陣覆蓋。同時，松靈機器人還推出了自動駕駛解決方案，平行駕駛解決方案，機器人科研教育套件等移動機器人底盤配套產品，幫助客戶在自動駕駛、機械控制、計算機、車輛等領域完成實驗驗證。

憑借領先的研發(fā)技術，松靈機器人已經與包括阿里巴巴、華為、本田、中建三局在內的30多家行業(yè)領軍企業(yè)，以及中科院、清華大學、南方科技大學、北京理工大學、新加坡國立大學、紐約大學等國內外50多所頂尖學府開展了深度合作。