AnyGoal: Vision-Language Guided Multi-Agent Exploration for Training-Free Lifelong Navigation
作者: MoniJesu James, Marcelino Julio Fernando, Miguel Altamirano Cabrera, Dzmitry Tsetserukou
分类: cs.RO
发布日期: 2026-06-11
备注: 17 pages, 3 figures
💡 一句话要点
提出AnyGoal以解决多机器人无训练导航问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 多机器人系统 视觉-语言模型 贝叶斯价值图 无训练导航 终身学习 自主探索
📋 核心要点
- 现有的导航策略在面对新的场景和目标时性能显著下降，尤其是在分布外场景中。
- AnyGoal通过将视觉-语言模型置于探索核心，利用共享的贝叶斯价值图实现多机器人协调，避免了训练过程。
- 在GOAT-Bench验证集上，双代理系统的子任务成功率达到52.4%，显示出显著的性能提升。
📝 摘要（中文）
现有的端到端导航策略在转移到分布外场景时表现不佳，模块化管道受限于检测召回率，而3D快照记忆系统则难以维护。本文提出AnyGoal，一个无训练的多机器人架构，核心为视觉-语言模型（VLM），通过共享的二维高斯贝叶斯价值图（BVM）协调代理。BVM维护每个像素的目标相关性后验，并通过VLM评分的精度加权融合进行更新，支持终身证据积累。实验结果表明，双代理系统在GOAT-Bench验证集上实现了52.4%的子任务成功率，较模块化GOAT提升27.5个百分点。
🔬 方法详解
问题定义：本文旨在解决现有导航策略在分布外场景中的性能下降问题，尤其是模块化管道和3D快照记忆系统的局限性。
核心思路：AnyGoal通过引入视觉-语言模型（VLM）和共享的二维高斯贝叶斯价值图（BVM），实现无训练的多机器人协作探索，支持终身学习。
技术框架：系统架构包括VLM作为核心，BVM用于维护目标相关性后验，前沿区域通过VLM评分和贝叶斯UCB进行排序，代理通过贪婪分配器进行任务分配。
关键创新：最重要的创新在于使用VLM进行目标相关性评估和前沿排序，避免了传统方法的训练需求，实现了终身证据积累。
关键设计：BVM通过精度加权融合更新，保持每个像素的后验分布，前沿区域的分配考虑空间分离惩罚和承诺滞后，确保高效的多代理协作。
🖼️ 关键图片
📊 实验亮点
实验结果显示，双代理系统在GOAT-Bench验证集上实现了52.4%的子任务成功率（Subtask SR），而单代理AnyGoal也达到了41.9%。相较于模块化GOAT，提升幅度达到27.5个百分点，展现了该方法的有效性。
🎯 应用场景
该研究的潜在应用领域包括自主机器人导航、智能交通系统和无人机编队等。通过无训练的多机器人协作，AnyGoal能够在动态和未知环境中实现高效的探索与导航，具有重要的实际价值和广泛的应用前景。
📄 摘要（原文）
End-to-end navigation policies trained on large simulation corpora degrade sharply when transferred to out-of-distribution scenes, categories, or goal modalities. Modular pipelines such as Modular GOAT are bottlenecked by closed-set object detection recall, while 3D snapshot-memory systems (e.g. 3D-Mem) accumulate dense, view-dependent representations that are heavy to maintain. We present AnyGoal, a training-free multi-robot architecture that places a Vision-Language Model (VLM) at the core of frontier-based exploration and coordinates agents through a shared 2D Gaussian Bayesian Value Map (BVM). The BVM maintains a per-pixel (mu, sigma^2) posterior over goal relevance, updated via precision-weighted fusion of VLM scores through a depth-cone mask, and is never reset between subtasks, yielding lifelong evidence accumulation. Frontiers are ranked by a convex blend of a VLM-as-judge softmax and a Bayesian UCB term on the BVM. A greedy allocator with spatial-separation penalty and commitment hysteresis distributes frontiers across agents without a centralized controller. On the full GOAT-Bench val unseen split (360 episodes, 2,669 subtasks), our dual-agent system achieves 52.4% Subtask SR at 12.7% SPL--state of the art under the strict physical regime (discrete 0.25 m steps, no teleportation, 42 deg HFOV) and a +27.5 pp improvement over Modular GOAT (24.9%). Single-agent AnyGoal achieves 41.9% Subtask SR, showing gains arise from the decision architecture. A four-way perception ablation shows that open-vocabulary detectors shift the dominant failure mode from exploration to goal verification.