SuperNav: An Agentic Navigation System for Any Task in Any Scene
Aggiunta all'archivio di AIChronos il (numero del 9 ottobre 2026 ricostruito)· fonte del · Jinkai Zhang, Jingyi Xu, Yuanhong Yu, Jiarui Guo, Ruizhen Hu, Hujun Bao (zju3dv)
SuperNav è un sistema di navigazione agentic progettato per robot servizi generici che operano in ambienti sconosciuti e rispondono a richieste umane diversificate. L'approccio evita il fine-tuning specifico del MLLM, delegando l'esecuzione dei movimenti a strumenti di navigazione specializzati mentre il modello si concentra sull'interpretazione delle richieste e sulla comprensione della scena. Il sistema utilizza un harness per agenti che integra Navigation Skills, Tools per interazioni fisiche e gestione del contesto, collegati da una interfaccia visivo-punto. Questa architettura permette al modello di specificare destinazioni direttamente nelle immagini e correggere le decisioni basandosi sul feedback dell'esecuzione.
- SuperNav equipaggia un MLLM pre-addestrato con un harness per agenti senza richiedere fine-tuning specifico per la navigazione, preservando così i suoi capabilities generici.
- Il sistema delega l'esecuzione del movimento a strumenti di navigazione esterni, permettendo al modello di focalizzarsi su decisioni logiche e interpretazione contestuale.
- Un'interfaccia visivo-punto unifica il processo decisionale con il movimento fisico, consentendo la specifica diretta delle destinazioni nelle immagini.
- La soluzione supera quattro baselines in compiti a livello istanza, multi-oggetto e guidati dalla domanda su benchmark come HM3D.
- L'applicabilità è dimostrata tramite deployment su un robot quadrupede reale, validando l'efficacia in ambienti complessi.
Perché conta. Per gli sviluppatori che lavorano con LLM e agenti locali, SuperNav offre una strategia per estendere la generalità dei modelli linguistici a compiti di controllo fisico senza sacrificare le capacità preesistenti tramite costosi fine-tuning. Questo approccio modulare permette di integrare competenze specifiche (come la navigazione) attraverso strumenti esterni mantenendo il nucleo del modello versatile e aggiornabile.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.