AVALON：人工播种拓扑记忆实现零样本室内导航

Jing Xia 等作者在 arXiv（arXiv:2610.21586）发布零样本室内导航框架 AVALON 的论文，面向人类熟悉、机器人未见的室内环境，部署只需一张平面图、地点线索和初始拓扑-里程计对齐，机器人无需现场预先建图或针对性训练。 框架由三部分组成：人工播种的分层空间记忆、节点验证的拓扑执行，以及任务触发、证据把关的人机记忆协同更新。作者在 Unitree Go2 上的实验称，AVALON 结合 X-NavDP 在 12.81 米的路口到餐厅任务中 46.4 秒完成且 5 次全成功（无需建图），比 DimOS-Go2（78.5 秒，5 次中 4 次成功）少用 40.9% 时间，仅用策略的 X-NavDP 则 5 次全部超时。以上为论文中的实验结果，尚属作者声称阶段。

AI 根据报道生成 · 3 小时前更新