AVALON: Zero-Shot Indoor Navigation with Human-Seeded Topological Memory
作者: Jing Xia, Changyan Li, Yuduo Wang, Guiyin Tian, Bo Wang, Yifan Liao, Mingjun Li, Shiyan Hu
分类: cs.RO, cs.AI
发布日期: 2026-10-15
💡 一句话要点
提出AVALON框架以解决室内导航中的人机协作问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 室内导航 人机协作 拓扑导航 深度学习 机器人技术 记忆更新 环境适应
📋 核心要点
- 现有室内导航方法在未映射环境中缺乏有效的任务约束处理，导致机器人无法高效完成任务。
- AVALON框架通过人类引导的分层空间记忆和节点验证执行，实现了零-shot室内导航，提升了人机协作效率。
- 实验表明，AVALON在完成12.81米的任务时，耗时46.4秒，较对比方法减少了40.9%的时间，显示出显著的性能提升。
📝 摘要（中文）
室内服务机器人常常进入未映射的建筑，用户对布局和任务约束已有所了解。本文提出AVALON，一个以人类引导的分层空间记忆为基础的拓扑导航框架。该框架支持机器人在没有现场遍历或特定训练的情况下进行导航，仅需平面图、地点线索和初始拓扑-里程计对齐。通过验证节点到达，视觉深度点目标导航实现了平移重锚，而无需构建全球SLAM地图。人机记忆的共同更新融合了互补的信息源，确保任务相关性决定了人类报告的环境变化是否需要机器人验证。实验结果表明，AVALON在完成特定任务时显著优于现有方法。
🔬 方法详解
问题定义：本文旨在解决室内服务机器人在未映射建筑中进行导航的挑战，现有方法无法有效处理人类用户对环境的熟悉程度与机器人的无知状态之间的矛盾。
核心思路：AVALON框架通过人类引导的分层空间记忆和节点验证执行，允许机器人在没有现场遍历的情况下进行有效导航，利用人类提供的任务约束和环境信息。
技术框架：AVALON的整体架构包括三个主要模块：人类引导的分层空间记忆、节点验证的拓扑执行和任务触发的记忆共同更新。该框架通过这些模块实现了高效的导航和环境适应。
关键创新：AVALON的主要创新在于其人机记忆的共同更新机制，能够有效融合人类操作员提供的任务约束与机器人通过实际验证获得的环境信息，确保任务相关性和环境适应性。
关键设计：在设计中，AVALON采用了基于节点的拓扑执行策略，结合视觉深度点目标导航，确保机器人在没有全局SLAM地图的情况下仍能进行有效导航。
🖼️ 关键图片
📊 实验亮点
在实验中，AVALON框架成功完成了12.81米的任务，耗时仅46.4秒，表现出40.9%的时间优势，相较于对比方法DimOS-Go2的78.5秒，显示了显著的性能提升。这一结果证明了AVALON在室内导航中的有效性和优越性。
🎯 应用场景
AVALON框架具有广泛的应用潜力，特别是在服务机器人、智能家居和无人配送等领域。通过提升机器人在未知环境中的导航能力，该研究为未来的智能机器人系统提供了新的思路，能够更好地满足用户需求并适应动态环境。
📄 摘要（原文）
Indoor service robots often enter unmapped buildings whose layouts and task constraints are already familiar to users. We address this human-familiar, robot-unseen setting with AVALON, a topological navigation framework organized around human-seeded layered spatial memory, node-verified topological execution, and task-triggered, evidence-gated human--robot memory co-updating. The robot has no prior on-site traversal or site-specific training. Deployment requires only a floor plan, place clues, and an initial topology-odometry alignment. Visual depth point-goal navigation leverages verified node arrivals to perform translational re-anchoring, without requiring a robot-constructed global SLAM map. Human--robot memory co-updating fuses complementary sources of information. Human operators specify task constraints that are unobservable via vision and report offline environmental modifications, whereas the robot provides physical-state evidence through active in-situ validation. Task relevance governs whether human-reported environmental changes undergo robot validation during the active mission. Field-collected perceptual evidence gates memory updates, maintaining an explicit separation between human-specified permissions and robot-observed traversability. Our experiments on a Unitree Go2 show that AVALON with X-NavDP completes a 12.81 m Intersection-to-Dining mission in 46.4 s (5/5) with no mapping, 40.9% less robot time than DimOS-Go2 (78.5 s, 4/5), while policy-only X-NavDP times out in all of the 5 runs. These demonstrate the superiority of the proposed topological navigation framework.