北大提出首個通用指令導(dǎo)航大模型系統(tǒng) | CoRL 24
機器人學(xué)會導(dǎo)航了！
董豪團隊 投稿
量子位 | 公眾號 QbitAI
想象一下當(dāng)你躺在沙發(fā)上，只需要不假思索地說出指令，機器人就能幫你干活，是不是聽起來就十分愜意？
如今這種科幻電影中的場景正在變?yōu)楝F(xiàn)實，來自北京大學(xué)的助理教授、博士生導(dǎo)師董豪團隊近日提出首個通用指令導(dǎo)航大模型系統(tǒng)InstructNav。
不論是尋找物體，走到指定位置，還是滿足抽象的人類需求，只要你說出指令，InstructNav都能幫你實現(xiàn)。
目前該工作已經(jīng)被CoRL?（Conference on Robot Learning）2024會議錄用，文章可在Arxiv瀏覽，代碼也即將在近期開源。
大模型如何統(tǒng)一具身指令導(dǎo)航規(guī)劃？
不同的導(dǎo)航任務(wù)要求截然不同的能力，經(jīng)典的物體導(dǎo)目標(biāo)航任務(wù)需要理解房間結(jié)構(gòu)和物體之間的聯(lián)系，視覺語言導(dǎo)航任務(wù)側(cè)重于嚴謹?shù)刈裱噶睿屡d的需求驅(qū)動的導(dǎo)航任務(wù)要求根據(jù)人類抽象需求進行語義推理。
先前研究工作都圍繞某一種特定類型的指令設(shè)計一個特定類型的導(dǎo)航方法，然而在真實應(yīng)用中，人類可能向機器人下達不同形式的指令，甚至混合類型指令，現(xiàn)有的具身導(dǎo)航模型都無法滿足這樣的實際需求，因此實現(xiàn)通用指令導(dǎo)航對于機器人在現(xiàn)實世界的應(yīng)用充滿價值。
為了實現(xiàn)這一目標(biāo)，作者首先提出動態(tài)導(dǎo)航鏈路（Dynamic Chain-of-Navigation）這一全新的導(dǎo)航規(guī)劃范式，將不同類型的導(dǎo)航指令統(tǒng)一為“導(dǎo)航動作 1 – 標(biāo)志物1 -> 導(dǎo)航動作 2 – 標(biāo)志物 2 … ”的標(biāo)準形式。
InstructNav利用大語言模型在任務(wù)規(guī)劃和常識推理上的卓越能力，根據(jù)原始指令規(guī)劃導(dǎo)航鏈路。
在導(dǎo)航過程中，InstructNav會根據(jù)最新觀測到的場景物體不斷更新導(dǎo)航鏈路，引導(dǎo)機器人對于環(huán)境進行有效探索。
例如，當(dāng)指令要求“尋找沙發(fā)”時，動態(tài)導(dǎo)航鏈路會被更新為“探索 – 電視”附近區(qū)域，因為電視旁邊最可能存在沙發(fā)。
構(gòu)建大模型推理到價值地圖的映射
以上由大模型規(guī)劃的動態(tài)導(dǎo)航鏈路和控制機器人底層動作之間仍然存在較大差異。
為了引導(dǎo)機器人根據(jù)動態(tài)導(dǎo)航鏈路行動，作者提出將大模型的規(guī)劃結(jié)果映射到多源價值地圖（Multi-sourced Value Maps）上，這些價值地圖包括：
- 動作價值地圖（Action Value Map）：賦予待執(zhí)行動作對應(yīng)的區(qū)域更高可導(dǎo)航價值。
- 語義價值地圖（Semantic Value Map）：賦予標(biāo)志物對應(yīng)的區(qū)域更高可導(dǎo)航價值。
- 直覺價值地圖（Intuition Value Map）：利用多模態(tài)大模型判斷全景圖中最適合移動的區(qū)域，并賦予更高可導(dǎo)航價值。
- 軌跡價值地圖（Trajectory Value Map）：賦予遠離現(xiàn)有軌跡的區(qū)域更高的可導(dǎo)航價值。
通過對多源價值地圖相加求和即可得到決策價值地圖（Decision-making Value Map）。
在決策價值地圖上選取最高價值點作為下一途徑點，然后利用點到點的路徑規(guī)劃算法即可實現(xiàn)對于機器人底層移動的控制。
多個零樣本導(dǎo)航任務(wù)新SOTA
作者在經(jīng)典的物體目標(biāo)導(dǎo)航任務(wù)，視覺語言導(dǎo)航任務(wù)以及最新的需求導(dǎo)航任務(wù)上開展標(biāo)準化評測。
從以下表格中可以觀察到，InstructNav首次實現(xiàn)連續(xù)環(huán)境下零樣本的視覺語言導(dǎo)航，并在零樣本的物體目標(biāo)導(dǎo)航和需求驅(qū)動導(dǎo)航任務(wù)上全面超越所有的現(xiàn)有方法，獲得最高成功率。
文章鏈接：https://arxiv.org/pdf/2406.04882
項目鏈接：https://sites.google.com/view/instructnav
代碼鏈接：https://github.com/LYX0501/InstructNav
- 云計算一哥10分鐘發(fā)了25個新品！Kimi和MiniMax首次上桌2025-12-03
- Ilya剛預(yù)言完，世界首個原生多模態(tài)架構(gòu)NEO就來了：視覺和語言徹底被焊死2025-12-06
- 前端沒死，AI APP正在返祖2025-12-02
- 華為新架構(gòu)砍了Transformer大動脈！任意模型推理能力原地飆升2025-12-06
相關(guān)閱讀
