MessyNav 登陆 CoRL 2026：机器人无路可走时学会推开障碍物
leto__jean · x · 2026-11-10
Stanford 与 UC Berkeley 团队发布 MessyNav，一个基于 VLM 的零样本交互导航框架，已被 CoRL 2026 接收。
- 核心思路：现实环境常被椅子、玩具等杂物堵路。当没有无碰撞路径时，机器人不应停下，而应判断哪些物体可以安全推开或拿起。MessyNav 在任务规划前做显式的 VLM 可供性推理，决定推、拿还是绕开，并生成高层计划。
- 难点：同一类物体在不同语境下结论不同——装着玻璃器皿的推车必须避开，空推车却可以推走。这要求跨新物体、新环境的零样本泛化。
- 成绩：可供性判断准确率 85.7%，真实世界成功率 67%，在移动操作平台上比现有基线高 27 个百分点成功率，且无需任何任务特定训练。
论文已放出，代码和视频尚未发布。
所属事件:MessyNav 登 CoRL 2026：机器人无路可走时主动推开障碍(2 条相关)→
「具身」频道最新
- Boston Dynamics 给 Atlas 装轮滑鞋，RL 策略一次搞定空中 360 转体 — LinusEkenstam · 2026-11-10
- Musk 称 Cybertruck 订单远超产能,约 8 个月后停产 — minchoi · 2026-11-10
- CoRL 2026 现场:每家热门机器人公司都到了 — chris_j_paxton · 2026-11-10
- Beff Jezos 在日本旅行后呼吁:免手操作的 AR 眼镜导航不远了 — beffjezos · 2026-11-10
- NVIDIA DLSS 5 获 CES 2027 最佳创新奖，3D 引导神经渲染亮相 — ctnzr · 2026-11-10
- 中国脑机接口设备日用达成 94% 意念打字准确率 — yogthos · 2026-11-10