AgriVLN：面向农业机器人的视觉-语言导航
研究团队构建了面向农业机器人的视觉-语言导航基准 A2A，包含 6 类农业场景、1,560 个回合，指令为逐步格式、动作为连续环境。在 A2A 上评估现有 VLN 方法发现，这些方法在短指令上表现良好、长指令上表现较差。为此作者设计 STL 模块，将复杂指令分解为简单子任务，并集成到 NavGPT 主干形成 AgriVLN，使成功率从 0.33 提升至 0.47，导航误差从 2.76 米小幅增至 2.91 米。代码已开源于 GitHub。
发布于 10-22 13:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《AgriVLN: Vision-and-Language Navigation for Agricultural Robots》查看原链
arXiv:2508.07406v2 公告类型：替换 摘要：农业机器人正作为重要成员服务于各类任务，但其移动仍严重依赖人工操作或轨道系统。 相比之下，视觉-语言导航（VLN）使机器人能够按照自然语言指令从起点导航至目标位置，并已在多个领域展现出强劲性能。
然而，现有基准与方法均未专门针对农业机器人设计。 为填补这一空白，我们构建了 A2A 基准，包含覆盖 6 类农业场景的 1,560 个回合，指令采用逐步格式，动作采用连续环境。 我们在 A2A 上评估了若干现有最先进 VLN 方法，观察到它们在短指令上表现良好，而在长指令上表现较差。
为缓解这一现象，我们设计了 STL 模块，将复杂指令分解为一系列简单子任务，从而帮助决策者在任一时刻聚焦当前短子任务而非整条长指令。 我们将 STL 集成到 NavGPT 主干中，提出 AgriVLN 方法，在成功率（SR）上从 0.33 提升至 0.47，导航误差（NE）仅从 2.76 米小幅增至 2.91 米。
我们进一步开展了消融研究与案例研究，讨论了 AgriVLN 在不同子任务数量与场景类别下的有效性与局限性。 代码仓库：https://github.com/AlexTraveling/AgriVLN。