PM-Nav: 사전 지도를 활용한 기능성 건물 내 로봇 내비게이션

PM-Nav: Priori-Map Guided Embodied Navigation in Functional Buildings

기존의 언어 기반 로봇 내비게이션 시스템은 유사한 특징을 가진 기능성 건물(FB)에서 어려움을 겪는데, 이는 공간적 사전 지식을 효과적으로 활용할 수 없기 때문입니다. 이러한 문제를 해결하기 위해, 우리는 사전 지도 기반 로봇 내비게이션(PM-Nav)을 제안합니다. PM-Nav는 환경 지도를 내비게이션에 적합한 의미론적 사전 지도로 변환하고, 정밀한 경로 계획을 가능하게 하는 계층적 추론 프롬프트 템플릿과 주석된 사전 지도를 설계하며, 위치 결정 및 내비게이션 계획 실행 제어를 위한 다중 모델 협업 액션 출력 메커니즘을 구축합니다. 자체 제작한 FB 데이터 세트를 사용한 종합적인 실험 결과, PM-Nav는 시뮬레이션 및 실제 환경에서 각각 SG-Nav 및 InstructNav보다 평균적으로 511% 및 1175%, 그리고 650% 및 400%의 성능 향상을 보였습니다. 이러한 놀라운 향상은 PM-Nav가 기능성 건물 내 내비게이션 프레임워크로서 엄청난 잠재력을 가지고 있음을 보여줍니다.

Existing language-driven embodied navigation paradigms face challenges in functional buildings (FBs) with highly similar features, as they lack the ability to effectively utilize priori spatial knowledge. To tackle this issue, we propose a Priori-Map Guided Embodied Navigation (PM-Nav), wherein environmental maps are transformed into navigation-friendly semantic priori-maps, a hierarchical chain-of-thought prompt template with an annotation priori-map is designed to enable precise path planning, and a multi-model collaborative action output mechanism is built to accomplish positioning decisions and execution control for navigation planning. Comprehensive tests using a home-made FB dataset show that the PM-Nav obtains average improvements of 511\% and 1175\%, and 650\% and 400\% over the SG-Nav and the InstructNav in simulation and real-world, respectively. These tremendous boosts elucidate the great potential of using the PM-Nav as a backbone navigation framework for FBs.