两篇新研究论文提出了机器人视觉导航的新方法，侧重于安全性和适应性。第一篇论文介绍了一种上下文条件安全评估器，该评估器学习自适应的间隙偏好，以选择最优的基于扩散的轨迹，在模拟和真实世界迁移中取得了很高的成功率。第二篇论文提出了EA-Nav，一个模仿学习框架，它结合了具身几何和多模态信息注入机制，以减少动作模糊性并提高不同机器人具身的安全导航能力。 AI
影响 这些在安全自适应视觉导航方面的进展可能会加速机器人在复杂现实世界环境中的部署。
排序理由 两篇在arXiv上发表的学术论文，提出了新的机器人导航方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.18200v1 Announce Type: cross Abstract: Robots in cluttered indoor spaces often fail not because they cannot generate collision-free paths, but because a fixed safety margin is mis-calibrated: conservative margins cause detours and timeouts, while permissive margins lea…
arXiv:2607.19880v1 Announce Type: cross Abstract: Cross-embodiment navigation is a key challenge in embodied intelligence. Due to differences in embodiment, the same visual observation may imply different actions for different agents, making prediction ambiguous when relying sole…