A Robust and Rapidly Deployable Waypoint Navigation Architecture for Long-Duration Operations in GPS-Denied Environments
Stevens Institute of Technology（史蒂文斯理工学院）
针对GPS拒止环境下多批次作业的定位误差累积问题，提出结合公开软件包的多批次航点导航架构，实现数小时内从建图到自主导航的快速部署。
2023-08-10 cs.RO
Learning Depth Vision-Based Personalized Robot Navigation From Dynamic Demonstrations in Virtual Reality
University of Bonn（波恩大学）；Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所）
提出基于深度视觉的个性化机器人导航学习框架，利用虚拟现实动态演示和变分自编码器感知流水线，实现仅依赖深度图像的首个个性化导航控制器。
2023-07-31 cs.RO
Visual SLAM-based Localization and Navigation for Service Robots: The Pepper Case
Universidad de Chile（智利大学）；Advanced Mining Technology Center（先进采矿技术中心）；Delft University of Technology（代尔夫特理工大学）
提出了一种基于Visual-SLAM的服务机器人定位导航系统。我们的系统是建立在ORB-SLAM单目系统的顶部，但通过在估计过程中加入车轮里程计来扩展。作为一个案例研究，所提出的系统进行了验证，使用胡椒机器人，其短程激光雷达和RGB-D相机不允许机器人在大环境中进行自定位。定位系统在两种不同的环境中使用Pepper进行导航任务测试：中型实验室和大型大厅。
2018-11-20 cs.CV cs.RO
Sparse Image based Navigation Architecture to Mitigate the need of precise Localization in Mobile Robots
Addverb Technologies（Addverb科技公司）
传统的同时定位与地图构建（SLAM）方法主要研究在环境和传感器不确定性条件下机器人的定位问题。然而，本文的重点是减轻需要精确定位的移动机器人追求自主导航使用稀疏的图像集。所提出的方法包括一个模型架构- RoomNet，无监督学习，导致在一个粗略的识别环境和一个单独的本地导航政策，本地识别和导航。前者学习和预测场景的基础上看到的机器人的短期图像序列，以及使用长期图像序列的过渡图像场景。后者使用稀疏图像匹配来验证在映射和训练阶段机器人所看到的帧的相似性。创建图像序列的稀疏图，然后将其用于纯粹基于视觉目标进行鲁棒导航。所提出的方法进行了评估，两个机器人在测试环境中，并证明了在动态环境中的地标模糊和经典的定位方法失败的导航能力。
2022-03-29 cs.CV cs.RO
LCLA: Language-Conditioned Latent Alignment for Vision-Language Navigation
LCLA通过将视觉-语言观测对齐到专家策略的潜在空间，实现轻量级的视觉-运动学习，提升在不同环境下的泛化能力。
2026-02-10 cs.RO
History-Conditioned Spatio-Temporal Visual Token Pruning for Efficient Vision-Language Navigation
Department of Computer and Information Sciences at the University of Delaware（德克萨斯大学达勒姆分校计算机与信息科学系）；University of Maryland’s Department of Computer Science（马里兰大学计算机科学系）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
提出一种无需训练的时空视觉令牌剪枝框架，通过空间令牌选择和时空压缩减少冗余计算，在保持导航精度的同时显著提升推理效率，并在真实机器人上验证了低延迟指令跟随导航。
2026-09-28 cs.RO
AdaGeoVLN: Selective Geometry Across Representation Depth and Navigation Time for Vision-Language Navigation
VinMotion, Inc., Vietnam（VinMotion公司（越南））；University of California San Diego（加州大学圣迭戈分校）；University of Southern California（南加州大学）
针对视觉语言导航中几何特征利用与历史保留问题，提出AdaGeoVLN框架，通过层级GFM-VLM融合与导航感知有界记忆，在R2R-CE和RxR-CE上以单RGB流实现强性能并降低内存。
2026-09-17 cs.RO
DyNaVLM: Zero-Shot Vision-Language Navigation System with Dynamic Viewpoints and Self-Refining Graph Memory
SJTU Paris Elite Institute of Technology, Shanghai Jiao Tong University（上海交通大学巴黎精英技术研究所）；Department of Automation, Shanghai Jiao Tong University（上海交通大学自动化系）；MoE Key Lab of Artificial Intelligence and AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能与AI研究所）
DyNaVLM提出一种零样本视觉-语言导航框架，利用自优化图记忆和动态动作空间，无需训练即可在GOAT和ObjectNav基准及真实环境中实现高性能导航。
2025-06-18 cs.RO
VGP-Nav: Metric-Aware Visual Geometric Perception for Robot Navigation
Southern University of Science and Technology（南方科技大学）；MBZUAI（穆罕默德·本·扎耶德人工智能大学）；Shenzhen University（深圳大学）；SpatialTemporal AI（时空人工智能）
提出VGP-Nav，一种仅依赖单目RGB输入的框架，通过地面平面几何约束解决尺度模糊，实现度量定位与障碍物感知的统一。
2026-06-08 cs.RO
NavJev: Efficient Vision-Language Navigation via Action-Centric Visual Compression and Discriminative Action-Semantic Memory
Tongji University（同济大学）
NavJev通过以动作中心的视觉压缩和判别性动作-语义记忆，将导航重构为紧凑视觉压缩加轻量动作选择，在R2R-CE上以低延迟实现高成功率。
2026-09-29 cs.RO
FreqNav: Stage-Wise Frequency Routing for Object-Oriented Aerial Vision-Language Navigation
针对现有空中VLN方法的感知干扰问题，提出FreqNav框架，通过动态分配视觉令牌实现分阶段频率路由，提升性能并加快推理速度，验证了其实际应用潜力。
2026-08-04 cs.RO
SGoLAM: Simultaneous Goal Localization and Mapping for Multi-Object Goal Navigation
Seoul National University（首尔大学）
我们提出了SGoLAM，简称同步目标定位和映射，这是一个简单而有效的多目标导航算法。给定一个配备RGB-D相机和GPS/指南针传感器的代理，我们的目标是让代理在现实的3D环境中导航到一系列目标对象。我们的管道充分利用了经典视觉导航方法的优势，将问题分解为两个关键部分：映射和目标定位。映射模块将深度观察转换成占用图，并且目标定位模块标记目标对象的位置。代理的策略是使用由两个模块提供的信息来确定的：如果找到当前目标，则朝着目标进行计划，否则，执行探索。由于我们的方法不需要对神经网络进行任何训练，因此可以以现成的方式使用，并且可以在新的、不可见的环境中快速推广。尽管如此，我们的方法与最先进的基于学习的方法不相上下。SGoLAM在CVPR 2021 MultiON（多目标导航）挑战赛中排名第二。我们已经在\emph{https://github.com/eunsunlee/SGoLAM}上公开了我们的代码。
2021-10-14 cs.CV cs.RO
Autonomous Navigation System from Simultaneous Localization and Mapping
Clarkson University（克拉克森大学）
本文提出了一种基于同时定位与地图构建（SLAM）的自主导航系统的研制。这项研究的动机是找到一种自主导航内部空间的解决方案。内部导航是具有挑战性的，因为它可以永远发展。解决这个问题对于许多服务来说是必要的，例如清洁，健康行业和制造业。本文的重点是描述的基于SLAM的软件体系结构，为这个建议的自治系统。评估了该系统针对智能轮椅的潜在应用。目前的内部导航解决方案需要某种引导线，比如地板上的黑线。有了这个建议的解决方案，内部不需要翻新，以适应这个解决方案。此应用程序的源代码已开放源代码，以便它可以重新用于类似的应用程序。此外，这个开源项目预计将由广泛的开源社区在过去的现状下进行改进。
2021-12-14 cs.CV cs.RO
Indoor Localization for Autonomous Robot Navigation
Colorado State University（科罗拉多州立大学）
本研究探索将室内定位系统（IPS）用于自主机器人导航，通过收集数据集、训练模型并开发A*路径规划算法，使机器人利用预测方向导航，实验显示约50%的拐角导航成功率，表明该方向具有研究潜力。
2025-02-28 cs.LG cs.RO
Real time text localization for Indoor Mobile Robot Navigation
场景文本是一个重要的特征提取，特别是在基于视觉的移动机器人导航，许多潜在的地标，如铭牌和信息标志包含文本。本文提出了一种新的两步文本定位方法，用于室内移动机器人导航。该方法基于形态学算子和机器学习技术，可用于实时的环境中。所提出的方法有两个步骤。首先，一组新的形态学算子应用于一个特定的序列，以提取高对比度的区域，具有高概率的文本存在。使用形态学算子具有许多优点，例如：计算速度快，对几种几何变换（如平移、旋转和缩放）不变，并且能够提取包含文本的所有区域。在提取文本候选区域之后，提取一组九个特征，用于准确检测和删除没有文本的区域。这些特征是纹理属性的描述符，并且是实时的计算的。然后，我们使用SVM分类器来检测区域中的文本的存在。该算法的性能与一些广泛使用的文本定位算法进行了比较，结果表明，该方法可以快速，有效地定位和提取的文本区域从真实场景中，可以用于移动机器人导航在室内环境下检测基于文本的地标。
2017-09-22 cs.RO eess.IV
SafeNav: Safe Path Navigation using Landmark Based Localization in a GPS-denied Environment
Department of Computer Science（计算机科学系）；Missouri University of Science and Technology（密苏里科学与技术大学）
针对GPS拒止战场环境，本文提出结合地标定位、战场运动模型与EKF的LanBLoc-BMM，并基于RAw-RRT*构建两种SafeNav方法，实现更精确、低风险且高效的安全导航。
2025-05-13 cs.AI cs.RO
A Vision-Based Navigation System for Arable Fields
Lincoln Agri-Robotics Centre（林肯农业机器人中心）；Lincoln Institute for Agri-Food Technology（林肯农业食品技术研究所）；University of Lincoln（林肯大学）
针对农田视觉导航的挑战，提出一套基于深度学习的感知算法和综合数据集，实现作物行检测与跟随，并在商业农田中验证，平均航向误差1.24°、横向误差3.32厘米。
2024-05-28 cs.CV cs.RO
Leaving the Lines Behind: Vision-Based Crop Row Exit for Agricultural Robot Navigation
Lincoln Agri-Robotics Centre（林肯农业机器人中心）；Lincoln Institute for Agri-Food Technology（林肯农业食品技术研究所）；University of Lincoln（林肯大学）
针对现有视觉作物垄导航框架中纯视觉垄切换方案研究不足的问题，提出仅用RGB图像局部特征匹配反馈实现垄退出、垄端用深度图像估算田埂导航距离的方法，在多样田埂测试中实现50厘米误差的完整垄脱离。
2023-06-09 cs.CV cs.RO
What do VLM-Based Vision-Language Navigation Models Rely on: Interpreting and Steering Policy Behavior
University of Technology Nuremberg（纽伦堡工业大学）；ETH Zürich（苏黎世联邦理工学院）；Inria, Ecole Normale Supérieure, CNRS, PSL Research University（法国国家信息与自动化研究所，巴黎高等师范学校，法国国家科学研究中心，巴黎文理研究大学）
本研究通过干预度量解释VLN模型依赖的模态，发现其编码进度并保留语义，进而利用激活向量实现零样本迁移，提升分布外场景性能。
2026-09-22 cs.CV cs.RO
Does Peer Observation Help? Vision-Sharing Collaboration for Vision-Language Navigation
Australian Institute for Machine Learning（澳大利亚机器学习研究所）；Adelaide University（阿德莱德大学）；Responsible AI Research Centre（负责任人工智能研究中心）
本文提出Co-VLN框架，研究同伴观察对视觉语言导航的影响，通过共享感知记忆扩展接收场，验证了在R2R基准下两种方法中性能的显著提升。
2026-10-16 cs.CV cs.RO
CapNav: Benchmarking Vision Language Models on Capability-conditioned Indoor Navigation
University of Washington（华盛顿大学）；University of California, Santa Cruz（加州大学圣克鲁兹分校）
CapNav基准测试评估VLMs在不同移动约束下室内导航能力，发现其性能随约束增加而下降，且先进模型仍难以处理空间推理任务。
2026-02-20 cs.CV cs.RO
Adaptive Navigation Scheme for Optimal Deep-Sea Localization Using Multimodal Perception Cues
Jacobs University Bremen（不来梅雅各布大学）；ShanghaiTech University（上海科技大学）
水下机器人干预需要高水平的安全性和可靠性。要解决的一个主要挑战是鲁棒且准确地获取定位估计，因为这是实现更复杂任务（例如浮动操纵和映射）的先决条件。商业运营中最先进的导航，如石油和天然气生产（OGP），依赖于昂贵的仪器。视觉导航方法可以部分取代或辅助这些方法，特别是在部署设备成本高、风险大的深海情况下。我们的工作提出了一种多模态方法，该方法采用了陆地机器人的最先进方法，即，密集点云生成与平面表示和配准相结合，以提高水下定位性能。提出了一种两阶段导航方案，该方案首先生成工作空间的粗略概率地图，该地图用于在第二阶段中从计算的点云和平面中过滤噪声。此外，自适应决策方法，确定哪些感知线索纳入本地化过滤器，以优化精度和计算性能。我们的方法首先在模拟中进行了研究，然后在OGP监测和维护场景中使用现场试验的数据进行了验证。
2019-06-12 cs.CV cs.RO cs.SY
Renderable Neural Radiance Map for Visual Navigation
Seoul National University（首尔国立大学）
本文提出可渲染神经辐射地图RNR-Map，以网格潜在代码编码三维环境视觉信息，并构建定位与导航框架，在相机跟踪、视觉定位及噪声下图像目标导航中展现鲁棒性和性能提升。
2023-04-20 cs.CV cs.RO
VANP: Learning Where to See for Navigation with Self-Supervised Vision-Action Pre-Training
George Mason University（乔治梅森大学）
本文提出自监督视觉-动作预训练模型 VANP，利用视觉历史、未来动作和目标图像通过互信息最大化学习导航相关视觉区域，以极少数据和一半训练时间达到与全监督模型相当的性能。
2024-09-04 cs.CV cs.RO
Robust Localization, Mapping, and Navigation for Quadruped Robots
École Centrale de Nantes（法国南特中央理工大学）；Technical University of Darmstadt（德累斯顿技术大学）；Poznan University of Technology（波兹南理工大学）；IDEAS NCBR；German Research Center for AI (DFKI)（德国人工智能研究中心）；Università degli Studi di Milano（米兰大学）
本文提出面向低成本四足机器人的鲁棒定位、建图与导航系统，结合接触辅助运动学、视觉惯性里程计与深度稳定视觉，在仿真与真实平台上实现了准确的2D建图、鲁棒自定位与自主导航。
2025-05-28 cs.AI cs.RO
Vision-Based Autonomous Navigation for Unmanned Surface Vessel in Extreme Marine Conditions
Khalifa University（哈利法大学）；Abu Dhabi University（阿布扎比大学）；Beijing Institute of Technology（北京理工大学）
本文针对极端海洋条件下USV视觉导航受低能见度影响的问题，提出一种结合GAN去噪增强与YOLOv5检测的自主视觉跟踪框架，并在MBZIRC仿真数据集的沙尘暴和浓雾场景中验证其优于现有去雾方法。
2023-08-08 cs.CV cs.RO
Improving Visual Place Recognition Based Robot Navigation By Verifying Localization Estimates
Queensland University of Technology（昆士兰科技大学）；QUT Centre for Robotics（昆士兰科技大学机器人中心）；School of Electrical Engineering and Robotics（电气工程与机器人学院）；Australian National University（澳大利亚国立大学）；College of Engineering, Computing and Cybernetics（工程、计算与网络学院）
本文提出一种基于多层感知机的视觉地点识别完整性监控器，通过实时验证定位估计显著降低了机器人导航中的目标误差和定位误差，并提高了任务成功率与定位精度。
2024-11-19 cs.CV cs.RO
MonoDream: Monocular Vision-Language Navigation with Panoramic Dreaming
Horizon Robotics
MonoDream通过轻量级VLA框架和潜在全景梦境任务，提升单目视觉-语言导航的性能，缩小与全景方法的差距。
2025-11-27 cs.CV cs.RO
A Behavioral Approach to Visual Navigation with Graph Localization Networks
Stanford University（斯坦福大学）；Pontificia Universidad Católica de Chile（智利天主教大学）；Yale University（耶鲁大学）
受心理学研究的启发，我们引入了一种使用拓扑地图进行视觉导航的行为方法。我们的目标是使机器人能够从一个位置导航到另一个位置，仅依赖于其视觉输入和环境的拓扑图。我们建议使用图神经网络来定位地图中的代理，并将动作空间分解为实现为卷积或递归神经网络的原始行为。使用吉布森模拟器，我们验证了我们的方法优于相关的基线，并能够在可见和不可见的环境中导航。
2019-03-01 cs.AI cs.CV cs.LG
Hierarchical Semantic-Augmented Navigation: Optimal Transport and Graph-Driven Reasoning for Vision-Language Navigation
School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件学院）；Interdisciplinary Graduate Programme, Nanyang Technological University, Singapore（新加坡南洋理工大学交叉学科研究生项目）；University College London（伦敦大学学院）
提出层级语义增强导航框架，通过动态层级语义场景图、基于最优传输的拓扑规划器与图感知强化学习策略，解决连续环境中的视觉语言导航难题，实现最优性能。
2026-06-01 cs.CV cs.RO
Recursive Visual Imagination and Adaptive Linguistic Grounding for Vision Language Navigation
针对视觉语言导航中场景表示过细、视觉-语言对齐模糊的问题，提出结合递归视觉想象与自适应语言接地的导航策略，在VLN-CE和ObjectNav任务上性能超越现有最优方法。
2025-07-29 cs.CV cs.RO
The RobotSlang Benchmark: Dialog-guided Robot Localization and Navigation
The University of Michigan（密歇根大学）；University of Washington（华盛顿大学）
从搜索和救援到辅助引导的自主机器人系统应该能够与人进行自然语言对话。为了研究这样的合作通信，我们介绍了机器人同时定位与地图构建与自然语言（RobotSlang），169个自然语言对话之间的一个人驾驶员控制的机器人和一个人指挥官提供导航目标的指导基准。在每次试验中，两人首先合作将机器人定位在指挥官可见的全局地图上，然后驾驶员遵循指挥官的指令将机器人移动到一系列目标物体。我们引入了一个本地化从对话历史（LDH）和导航从对话历史（NDH）任务，其中一个学习代理给出的对话和视觉观察从机器人平台作为输入，必须本地化的全球地图或导航到下一个目标对象，分别。RobotSlang由近5000个话语和超过1000分钟的机器人摄像头和控制流组成。我们提出了一个初始模型的NDH任务，并表明，在模拟训练的代理可以按照RobotSlang基于对话框的导航指令控制一个物理机器人平台。代码和数据可在https://umrobotslang.github.io/上获得。
2020-10-23 cs.AI cs.CL cs.CV
Intelligent Indoor Mobile Robot Navigation Using Stereo Vision
Amrita Vishwa Vidyapeetham（阿姆里塔 Vishwa Vidyapeetham 大学）
大多数现有的机器人导航系统，便于使用激光测距仪，声纳传感器或人工地标，有能力在未知的环境中定位自己，然后建立相应的环境地图。立体视觉，虽然仍然是一个快速发展的技术在自主移动机器人领域，目前不太可取的，由于其高的实施成本。本文旨在描述一种实验方法的立体视觉系统的建设，帮助机器人，以避免障碍物和导航通过室内环境，并在同一时间保持非常高的成本效益。本文讨论了立体视觉和超声波传感器的融合技术，有助于成功地通过不同类型的复杂环境的导航。来自传感器的数据使机器人能够创建未知环境的二维的拓扑图，立体视觉系统能够对同一环境的三维模型进行建模。
2014-09-10 cs.AI cs.CV cs.RO
Toward Underground Localization: Lidar Inertial Odometry Enabled Aerial Robot Navigation
Nanyang Technological University（南洋理工大学）；Institute for Infocomm Research, A-STAR（新加坡科技研究局资讯通信研究院）
定位可以通过不同的传感器和技术来实现，例如全球定位系统（GPS）、WiFi、超声波传感器和相机。在本文中，我们专注于基于激光的定位方法，无人机（UAV）的应用在GPS拒绝的环境，如深隧道系统。除了用于平面轴的低成本2D激光雷达之外，用于垂直轴的单轴激光雷达以及惯性测量单元（IMU）设备用于提高定位性能的可靠性和准确性。我们提出了一个比较分析的三个选定的基于激光的同时定位与地图构建（SLAM）的方法：（i）赫克托SLAM;（ii）Gmapping;（iii）制图。这些算法已经实现，并通过真实世界的实验进行测试。将结果与地面实况数据进行比较，并且实验可在https://youtu.be/kQc3mJjw_mw上获得。
2019-10-29 cs.RO cs.SY eess.SY
AwareVLN: Reasoning with Self-awareness for Vision-Language Navigation
Tsinghua University（清华大学）
本文提出AwareVLN框架，通过自感知推理机制实现端到端的视觉语言导航，解决了传统方法在理解代理、指令和场景关系上的不足，并在多个数据集上实现了优于现有方法的性能。
2026-05-21 cs.CV cs.RO
Vision-based Vineyard Navigation Solution with Automatic Annotation
Cornell AgriTech（康奈尔农业科技中心）；Cornell University（康奈尔大学）；USDA ARS Grape Genetics Research Unit（美国农业部农业研究局葡萄遗传学研究组）
自主导航是实现农业研究和生产管理全自动化的关键（例如，疾病管理和产量预测）。在本文中，我们介绍了一个基于视觉的自主导航框架的农业机器人在格架种植系统，如葡萄园。为了实现这一点，我们提出了一种新的基于学习的方法，直接从RGB-D图像估计路径可扩展性热图，然后将热图转换为首选遍历路径。开发了一种自动注释管道，通过将葡萄园第一次设置期间收集的RTK GPS路径投影到相应的RGB-D图像中作为地面实况路径注释，允许快速模型训练和微调，而无需昂贵的人工注释。经过训练的路径检测模型用于开发一个完整的导航框架，包括行跟踪和行切换模块，使机器人能够在作物行内遍历并在作物行之间过渡，以自主覆盖整个葡萄园。在三个不同的葡萄园中进行了广泛的实地试验，以证明所开发的路径检测模型和导航框架在葡萄园中提供了一种具有成本效益的，准确的和强大的自主导航解决方案，并且可以推广到看不见的葡萄园，具有稳定的性能。
2023-03-25 cs.CV cs.RO
Autonomous, Monocular, Vision-Based Snake Robot Navigation and Traversal of Cluttered Environments using Rectilinear Gait Motion
Georgia Institute of Technology（佐治亚理工学院）
蛇形机器人运动的直线形式预计将在障碍物遍布的情况下具有优势，这些情况是城市灾害区，地下塌陷和其他自然环境的特征。与这些运动策略相关联的细长的、横向狭窄的足迹非常适合于穿越有限的空间和狭窄的路径。然而，在缺乏全球感知的情况下，导航和路径规划仍然是在实际部署这些机器人机制之前需要解决的关键挑战。需要解决与视觉处理和定位相关的几个挑战，以实现导航。作为这个方向的第一步，我们在机器蛇的头部安装了一个无线的单目彩色摄像机。ORB-SLAM的视觉里程计和映射允许在平面障碍物遍布的环境中进行自定位。地平面可通行性分割结合感知空间碰撞检测允许导航路径规划。先前提出的动态减少直线蛇运动的非完整运动车辆通知SLAM和规划。然后，应用简化的运动模型来跟踪通过障碍物配置的规划轨迹。这种导航框架使蛇形机器人平台能够自主导航并仅用单目视觉穿越未知场景。
2019-08-19 cs.CV cs.RO
A modular vision language navigation and manipulation framework for long horizon compositional tasks in indoor environment
Iowa State University（爱荷华州立大学）
在本文中，我们提出了一个新的框架- MoViLan（模块化的视觉和语言）的执行视觉接地自然语言指令的日常室内家居任务。虽然已经提出了几个数据驱动的端到端学习框架，用于基于视觉和语言模式的目标导航任务，但最近的基准数据集的性能显示，在开发具有不同对象类别的长期组合任务（涉及操纵和导航）的综合技术方面存在差距，现实的指令和具有不可逆状态变化的视觉场景。我们提出了一种模块化方法来处理组合导航和对象交互问题，而不需要严格对齐的视觉和语言训练数据（例如，以专家演示轨迹的形式）。这种方法与该领域传统的端到端技术有很大不同，并且允许使用单独的视觉和语言数据集进行更易于处理的训练过程。具体来说，我们提出了一种新的几何感知映射技术，为杂乱的室内环境，和一个语言理解模型推广到家庭指令遵循。我们证明了一个显着增加的成功率为长期的地平线上，组成任务的基线上最近发布的基准数据集ALFRED。
2021-01-19 cs.CV cs.HC cs.RO
NeuroLoc: Encoding Navigation Cells for 6-DOF Camera Localization
Software Engineering Institute, East China Normal University（华东师范大学软件工程学院）；School of Geospatial Information, Information Engineering University（信息工程大学地理信息学院）；University of Shanghai for Science and Technology（上海科技大学）；Fujian (Quanzhou) Institute of Advanced Manufacturing Technology, China（福建（泉州）先进制造技术研究院）
受生物大脑导航机制启发，提出NeuroLoc相机定位方法，通过位置细胞驱动的Hebbian学习模块、头方向细胞启发的注意力嵌入及3D网格中心预测，提升了复杂环境下单张图像位姿回归的鲁棒性与精度。
2025-05-02 cs.CV cs.NE cs.RO
EKF-Based Fusion of Wi-Fi/LiDAR/IMU for Indoor Localization and Navigation
School of Advanced Technology, Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学先进技术学院）；Department of Electrical Engineering and Electronics, University of Liverpool（利物浦大学电子工程系）；Zhejiang University of Technology（浙江工业大学）；School of Artificial Intelligence, Suzhou Vocational Institute of Industrial Technology（苏州工业职业技术学院人工智能学院）
提出一种基于EKF融合Wi-Fi RSSI指纹、LiDAR SLAM与IMU的室内定位导航框架，实验证明其可抑制噪声与漂移，显著提升多路径场景下的定位精度与稳定性。
2025-09-27 cs.LG cs.NI cs.RO
MapDream: Task-Driven Map Learning for Vision-Language Navigation
University of Science and Technology of China（中国科学技术大学）
提出MapDream框架，通过自回归鸟瞰图生成联合学习地图与动作预测，在R2R-CE和RxR-CE上达到单目最优性能。
2026-06-16 cs.AI cs.CV cs.RO
Reflex-Based Open-Vocabulary Navigation without Prior Knowledge Using Omnidirectional Camera and Multiple Vision-Language Models
The University of Tokyo（东京大学）
本研究提出一种无需先验地图或学习的开放词汇机器人导航方法，利用全向相机和多个预训练视觉-语言模型结合反射行为实现简单导航，并在移动机器人Fetch上验证了其特性与局限。
2024-08-21 cs.AI cs.RO cs.SY
Look Before You Leap: Bridging Model-Free and Model-Based Reinforcement Learning for Planned-Ahead Vision-and-Language Navigation
University of California, Santa Barbara（加州大学圣巴巴拉分校）
现有的机器人导航的视觉和语言基础研究集中在改进合成环境中的无模型深度强化学习（DRL）模型。然而，无模型DRL模型没有考虑真实世界环境中的动态，并且它们通常不能推广到新的场景。在本文中，我们采取了一种激进的方法来弥合综合研究和现实世界的实践之间的差距-我们提出了一种新颖的，提前计划的混合强化学习模型，该模型结合了无模型和基于模型的强化学习来解决现实世界的视觉语言导航任务。我们的前瞻模块将前瞻策略模型与预测下一个状态和奖励的环境模型紧密集成。实验结果表明，我们提出的方法显着优于基线，并在真实世界的Room-to-Room数据集上达到最佳效果。此外，我们的可扩展方法在转移到看不见的环境时更具有普遍性。
2018-07-26 cs.AI cs.CL cs.CV
Multi-Mobile Robot Localization and Navigation based on Visible Light Positioning
South China University of Technology（华南理工大学）
我们展示了基于可见光定位（VLP）定位的多移动机器人导航。实验结果表明，该方法能够准确地定位机器人的位置。
2022-11-01 cs.RO
Towards navigation without precise localization: Weakly supervised learning of goal-directed navigation cost map
Zhejiang University（浙江大学）；The University of Technology, Sydney（悉尼科技大学）
基于精确定位的自主导航在学术研究和实际应用中得到了广泛的发展。对定位精度的高要求对于安全的机器人规划和导航至关重要，同时它使当前的几何解决方案对环境变化的鲁棒性降低。端到端方法的最新研究以导航指令的形式处理原始传感器数据，并直接输出机器人控制命令。然而，中间语义的缺乏使得系统在实际使用中更加僵化和不稳定。为了探索这些问题，本文提出了一种创新的导航框架的基础上，GPS级定位，它采取的原始感知数据与公开访问的导航地图，以产生一个中间的导航成本地图，允许后续灵活的运动规划。在我们的方法中采用了一个确定性的条件对抗网络，以生成不同导航条件下的视觉目标导向路径。对抗性损失避免了像素级注释，并使弱监督训练策略能够隐式地学习图像感知中的交通语义和导航指令中的规划意图。然后，根据目标导向路径和同时收集的激光数据渲染导航成本地图，指示通往目的地的道路。在校园内的一辆实车上进行了综合实验，实验结果验证了所提出的导航系统对定位误差的鲁棒性。
2019-06-06 cs.RO
Vision-aided Localization and Navigation Based on Trifocal Tensor
National University of Defense Technology（国防科技大学）
提出了一种基于三焦点张量的视觉辅助导航新方法。所提出的方法的主要目标是提供位置估计GPS拒绝环境中的车辆配备了一个标准的惯性导航系统（INS）和一个单一的相机。我们将三焦点张量作为测量模型，只关心车辆状态，而不估计跟踪地标的位置。所提出的方法的性能证明使用模拟和实验数据。
2016-11-10 cs.RO
Robotics Vision-based Heuristic Reasoning for Underwater Target Tracking and Navigation
提出了一种基于机器人视觉的水下目标跟踪与导航启发式推理系统。引入该系统是为了提高水下遥控潜水器（ROV）操作的自动化水平。设计并研制了一台将计算机视觉与水下机器人系统相结合的水下机器人系统样机，实现了水下机器人的目标跟踪和智能导航。...
2006-01-14 cs.RO
Development of an indoor localization and navigation system based on monocular SLAM for mobile robots
Bộ môn Kỹ thuật Robot, Khoa Điện tử - Viễn Thông Trường Đại học Công Nghệ - Đại học Quốc gia Hà Nội（河内国家大学科技大学电子与通信工程学院机器人技术系）
本文提出一种基于单目SLAM的差速驱动机器人室内定位与导航系统，利用ORB_SLAM3提取特征提供位姿，结合A*和DWA进行路径规划，并在Gazebo中验证了其有效性。
2024-11-08 cs.RO
Spatio-Temporal Graph Localization Networks for Image-based Navigation
Toyota Central R&D Labs., INC（丰田中央研发实验室有限公司）
拓扑地图中的定位对于使用RGB相机的基于图像的导航至关重要。在中型到大型环境中，仅使用一个摄像头进行定位可能具有挑战性，因为通常会重复观察到外观相似的图像，特别是在室内环境中。为了克服这个问题，我们提出了一种基于学习的定位方法，同时利用拓扑地图的空间一致性和时间序列图像捕获的机器人的时间一致性。我们的方法结合了卷积神经网络（CNN）来嵌入图像特征和递归型图神经网络来执行准确的定位。当训练我们的模型时，在真实世界环境中捕获图像时，很难获得机器人的地面真实姿态。因此，我们提出了一个sim2real传输方法与半监督学习，利用模拟器图像与地面实况构成除了真实图像。我们对我们的方法进行了定量和定性评估，并将其与几种最先进的基线进行了比较。在地图包含相似图像的环境中，所提出的方法优于基线。此外，我们评估了一个基于图像的导航系统，结合我们的定位方法，并确认导航精度显着提高在模拟器和真实环境中相比，其他基线方法。
2022-04-28 cs.RO
Cooperative UWB-Based Localization for Outdoors Positioning and Navigation of UAVs aided by Ground Robots
University of Turku（图尔库大学）
随着对航空数据的需求不断增加，无人机（UAV）变得越来越普遍。在许多工业应用中，精确的数据汇集所需的精确导航和定位通常依赖于RTK GNSS。这些系统能够达到厘米级精度，需要设置和校准过程，并且相对昂贵。研究了无人机协同定位的精确定位与导航问题。安装在无人机和支持地面机器人上的廉价超宽带（UWB）收发器可以实现厘米级的相对定位。该系统具有快速部署和广泛的设置灵活性，能够适应不同的环境，也可以在拒绝GNSS的环境中使用。通过广泛的模拟和测试场，我们评估了系统的准确性，并将其与多路径传输降低准确性的城市环境中的GNSS进行比较。为了完整性，我们在实验中包括视觉惯性测距和比较的性能与UWB为基础的合作定位。
2021-04-01 cs.RO
Cataglyphis ant navigation strategies solve the global localization problem in robots with binary sensors
Institute for Robotics and Cognitive Systems, University of Luebeck（吕贝克大学机器人与认知系统研究所）
低成本机器人，如真空吸尘器或割草机，采用简单的，往往是随机的导航策略。虽然存在大量复杂的定位和规划方法，但它们需要额外的传感器，如激光雷达传感器，相机或飞行时间传感器。在这项工作中，我们提出了一种全球定位方法，生物灵感来自简单的昆虫，如蚂蚁Cataglyphis，能够从遥远的地方返回到它在沙漠中的巢穴，没有任何或有限的感知线索。与Cataglyphis一样，我们定位方法的基本思想是首先使用陆地导航仅从亲视知觉传感器计算姿态估计，然后通过在粒子滤波器中进行系统搜索来改进估计，该粒子滤波器集成了罕见的视觉反馈。在多个环境中的模拟实验中，我们证明了这种生物启发的原则可以用来计算准确的姿态估计从二进制视觉线索。这种智能定位策略可以提高任何传感能力有限的机器人的性能，例如家用机器人或玩具。
2019-08-13 cs.RO
SignLoc: Robust Localization using Navigation Signs and Public Maps
Smart Systems Institute, National University of Singapore（新加坡国立大学智能系统研究所）；Northeastern University（东北大学）
提出 SignLoc 全局定位方法，通过导航标志与楼层平面图、OSM 图匹配，在无预先传感器建图的情况下实现鲁棒拓扑-语义定位。
2025-08-29 cs.RO
Robust Distributed Control within a Curve Virtual Tube for a Robotic Swarm under Self-Localization Drift and Precise Relative Navigation
Beihang University（北京航空航天大学）
本文针对机器人集群在曲线虚拟管内移动时存在自定位漂移和精确相对导航的条件，引入集群算法减少漂移影响，提出包含五个控制项的改进向量场控制器，并通过仿真和实验验证了方法的有效性。
2022-05-27 cs.RO
Multi Sensor Fusion for Navigation and Mapping in Autonomous Vehicles: Accurate Localization in Urban Environments
University of Turku（图尔库大学）
来自多个传感器的数据的组合，也称为传感器融合或数据融合，是自主机器人设计中的一个关键方面。特别是，能够适应传感器融合技术的算法能够提高准确性，并且对单个传感器的故障更具弹性。自主导航、地图绘制和定位算法的发展在过去二十年中取得了巨大进步。尽管如此，在开发强大的解决方案以在密集的城市环境中进行准确定位方面仍然存在挑战，在密集的城市环境中发生所谓的最后一英里交付。在这些场景中，局部运动估计与实时数据与详细的预构建地图的匹配相结合。在本文中，我们利用收集的数据与自主交付机器人比较不同的传感器融合技术和评估的算法提供最高的精度取决于环境。本文分析和提出的技术利用3D激光雷达数据、惯性数据、GNSS数据和车轮编码器读数。我们展示了激光雷达扫描匹配与其他传感器数据相结合，可以用来提高机器人定位的准确性，因此，它的导航。此外，我们提出了一种策略，以减少对导航性能的影响时，在环境中的变化，使地图数据无效或部分可用的地图被损坏。
2021-03-25 cs.RO
