Navigation with RF Cues: Embodied Perception Action under Multipath Uncertainty
作者: Wenlihan Lu, Tianshun Li, Liuqing Yang, Shijian Gao
分类: cs.RO
发布日期: 2026-10-06
💡 一句话要点
提出多模态导航框架以解决RF信号多径不确定性问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 多模态导航 射频信号 不确定性感知 机器人导航 智能工厂
📋 核心要点
- 现有方法在没有地图的情况下，难以准确推断目标方向，尤其在多径传播影响下，RF信号的可靠性降低。
- 本文提出了一种不确定性感知的多模态导航框架，通过联合估计目标方向及其不确定性，提升导航精度。
- 实验结果表明，该方法在未见场景中成功率提升18.2%，路径长度加权成功率提升11.5%，显示出显著的性能改进。
📝 摘要（中文）
智能工厂的检查任务要求机器人在没有先前地图或已知目标坐标的情况下到达连接设备。目标的射频（RF）信号可以提供方向线索，以补充视觉观察，尤其在遮挡或光照不足时。然而，多径传播会扭曲这些线索，使得从瞬时RF测量中推断目标真实方向变得困难。为此，本文首先构建了一个Habitat Sionna RT基准，利用详细的场景几何和材料属性生成与机器人动作相对应的视觉和RF观察。基于此基准，提出了一种不确定性感知的多模态导航框架，联合估计目标方向及其不确定性，结合RF、视觉和位姿观察的历史数据。这些估计结果辅助行动选择，并在未见场景中的实验中显示出相较于最强基线成功率提高18.2%，路径长度加权成功率提高11.5%。
🔬 方法详解
问题定义：本文旨在解决在没有地图或已知目标坐标的情况下，机器人如何利用RF信号进行导航的问题。现有方法在多径传播环境中，RF信号的扭曲使得目标方向推断变得困难。
核心思路：提出一种不确定性感知的多模态导航框架，结合RF、视觉和位姿观察的历史数据，联合估计目标方向及其不确定性，以提高导航的准确性和鲁棒性。
技术框架：整体架构包括数据采集模块、信号处理模块和决策模块。数据采集模块负责获取RF和视觉信息，信号处理模块用于联合估计目标方向及不确定性，决策模块则基于这些信息进行行动选择。
关键创新：最重要的技术创新在于引入了不确定性感知机制，使得导航系统能够在多径环境中更准确地推断目标方向，与传统方法相比，显著提升了导航性能。
关键设计：在模型设计中，采用了特定的损失函数来平衡方向估计和不确定性估计的权重，同时使用了深度学习网络结构来处理多模态输入，确保信息的有效融合。
🖼️ 关键图片
📊 实验亮点
实验结果显示，提出的多模态导航框架在未见场景中的成功率提高了18.2%，路径长度加权成功率提高了11.5%。这些结果相较于最强基线表现出显著的性能提升，验证了方法的有效性。
🎯 应用场景
该研究的潜在应用领域包括智能工厂的自动化检查、无人驾驶车辆的导航系统以及室内机器人定位等。通过提高在复杂环境中的导航能力，能够显著提升工业自动化和智能制造的效率，具有重要的实际价值和未来影响。
📄 摘要（原文）
Smart factory inspection requires robots to reach connected equipment without a prior map or known target coordinates. Radio frequency (RF) signals from the target can provide directional cues to complement visual observations when occlusion or poor lighting limits target detection. However, multipath propagation can distort these cues, making it difficult to infer the target's true direction from instantaneous RF measurements. To enable navigation research under these conditions, we first construct a Habitat Sionna RT benchmark that uses detailed scene geometry and assigned material properties to generate aligned visual and RF observations in response to robot actions. Building on this benchmark, we propose an uncertainty aware multimodal navigation framework that jointly estimates target direction and its uncertainty from a history of RF, visual, and pose observations. These estimates inform action selection alongside visual context. Experiments in unseen scenes show relative improvements of 18.2% in success rate (SR) and 11.5% in success weighted by path length (SPL) over the strongest evaluated baseline.