HERO: Hierarchical Traversable 3D Scene Graphs for Embodied Navigation Among Movable Obstacles

📄 arXiv: 2512.15047v1 📥 PDF

作者: Yunheng Wang, Yixiao Feng, Yuetong Fang, Shuning Zhang, Tan Jing, Jian Li, Xiangrui Jiang, Renjing Xu

分类: cs.RO, cs.AI, cs.CL, cs.CV

发布日期: 2025-12-17

💡 一句话要点

HERO：用于可移动障碍物环境具身导航的分层可遍历3D场景图

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 具身导航 3D场景图 可移动障碍物 分层路径规划 机器人 环境交互

📋 核心要点

  1. 现有具身导航方法假设环境静态，无法有效处理可移动障碍物，导致导航效率和可达性受限。
  2. HERO框架将可操作障碍物视为可遍历路径，构建分层可遍历3D场景图，从而实现更智能的导航。
  3. 实验表明，HERO在部分和完全阻塞环境中分别显著降低了路径长度和提高了成功率。

📝 摘要（中文）

3D场景图（3DSG）是物理世界的一种强大表示，它能够显式地建模实体之间复杂的空间、语义和功能关系，从而实现对环境的基础理解，使智能体能够与环境进行交互并执行多功能的行为。具身导航是这些能力的关键组成部分，它利用3DSG的紧凑和表达性，从而在复杂的大规模环境中实现长期的推理和规划。然而，先前的工作依赖于静态世界的假设，仅基于静态空间布局来定义可遍历空间，并将可交互的障碍物视为不可遍历的。这种根本性的限制严重损害了它们在现实场景中的有效性，导致可达性有限、效率低下和可扩展性较差。为了解决这些问题，我们提出了HERO，一种用于构建分层可遍历3D场景图的新框架，它通过将可操作的障碍物建模为路径，从而重新定义了可遍历性，捕捉了它们的物理交互性、功能语义和场景的关系层次。结果表明，相对于基线，HERO在部分阻塞环境中将路径长度（PL）减少了35.1%，在完全阻塞环境中将成功率（SR）提高了79.4%，表明其具有更高的效率和可达性。

🔬 方法详解

问题定义：现有具身导航方法主要基于静态环境假设，将所有障碍物视为不可穿越的。然而，现实世界中存在大量可移动的物体，例如椅子、箱子等。忽略这些可交互的障碍物会导致智能体在导航过程中绕远路，甚至无法到达目标点，严重限制了导航效率和可达性。因此，如何有效地表示和利用这些可移动障碍物的信息是当前具身导航面临的重要挑战。

核心思路：HERO的核心思路是将可操作的障碍物视为潜在的“路径”，而不是简单的阻碍。通过显式地建模这些障碍物的物理交互性（例如，可以被推动、拉动等）、功能语义（例如，椅子可以被移动到其他位置）以及它们在场景中的关系层次，HERO能够构建一个更丰富、更智能的场景表示。这种表示允许智能体在规划导航路径时，不仅考虑静态的几何信息，还能利用可移动障碍物来创造新的可行路径。

技术框架：HERO框架主要包含以下几个关键模块：1) 场景图构建：利用传感器数据（例如，RGB-D图像）构建初始的3D场景图，其中节点表示场景中的物体，边表示物体之间的空间关系。2) 可操作性预测：预测场景中哪些物体是可操作的，以及它们可以被如何操作（例如，推动、拉动、旋转）。3) 分层可遍历性建模：基于可操作性预测结果，将可移动的障碍物建模为可遍历的路径，并构建分层的场景图结构，其中高层节点表示抽象的区域，底层节点表示具体的物体。4) 路径规划：利用构建好的分层可遍历3D场景图进行路径规划，找到从起始点到目标点的最优路径。

关键创新：HERO的关键创新在于它重新定义了“可遍历性”的概念，不再局限于静态的几何空间，而是将可操作的障碍物纳入考虑范围。通过显式地建模障碍物的可操作性，HERO能够构建一个更具表达力的场景表示，从而实现更智能的导航。与现有方法相比，HERO能够更好地处理复杂、动态的环境，提高导航效率和可达性。

关键设计：HERO框架中一些关键的设计包括：1) 使用图神经网络（GNN）来预测物体的可操作性，GNN能够有效地利用场景图中物体之间的关系信息。2) 设计了一种新的损失函数，用于训练GNN，该损失函数同时考虑了可操作性预测的准确性和导航性能。3) 使用分层A*算法进行路径规划，该算法能够有效地利用分层场景图结构，从而加速搜索过程。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，HERO在模拟环境中显著优于基线方法。在部分阻塞环境中，HERO将路径长度（PL）降低了35.1%。在完全阻塞环境中，HERO将成功率（SR）提高了79.4%。这些结果表明，HERO能够有效地利用可移动障碍物的信息，从而提高导航效率和可达性。

🎯 应用场景

HERO框架可应用于各种需要智能体在复杂环境中进行导航的场景，例如家庭服务机器人、仓库自动化、自动驾驶等。通过利用HERO，这些智能体能够更好地理解和利用环境中的可移动物体，从而提高导航效率和安全性。未来，HERO可以进一步扩展到更复杂的交互任务，例如物体重排列、环境改造等。

📄 摘要（原文）

3D Scene Graphs (3DSGs) constitute a powerful representation of the physical world, distinguished by their abilities to explicitly model the complex spatial, semantic, and functional relationships between entities, rendering a foundational understanding that enables agents to interact intelligently with their environment and execute versatile behaviors. Embodied navigation, as a crucial component of such capabilities, leverages the compact and expressive nature of 3DSGs to enable long-horizon reasoning and planning in complex, large-scale environments. However, prior works rely on a static-world assumption, defining traversable space solely based on static spatial layouts and thereby treating interactable obstacles as non-traversable. This fundamental limitation severely undermines their effectiveness in real-world scenarios, leading to limited reachability, low efficiency, and inferior extensibility. To address these issues, we propose HERO, a novel framework for constructing Hierarchical Traversable 3DSGs, that redefines traversability by modeling operable obstacles as pathways, capturing their physical interactivity, functional semantics, and the scene's relational hierarchy. The results show that, relative to its baseline, HERO reduces PL by 35.1% in partially obstructed environments and increases SR by 79.4% in fully obstructed ones, demonstrating substantially higher efficiency and reachability.