SemGraph-Route：基于视觉语言模型构建语义图表示的无GPS环境UAV安全导航方法

《IEEE Open Journal of Vehicular Technology》：SemGraph-Route for Safe Zero-Shot UAV Navigation in GPS-Denied Environments

　　

摘要：

在缺乏全球定位系统（GPS）的环境中进行安全的无人驾驶飞行器（UAV）导航，需要语义场景理解、紧凑的环境表示，以及在机载资源受限条件下的视觉可观测性感知规划。现有方法依赖稠密视觉特征，这些特征在不同环境中难以扩展，或者在不同领域部署时需要重新训练。SemGraph-Route 通过使用本地可部署的视觉-语言模型（VLM）从视觉观测中构建语义图表示来解决这些挑战，其中节点编码的是结构空间类型，而非单个关键帧。导航风险先验和基于梯度的视觉可观测性先验可从单一训练环境（在存在观测数据时）估计得出，而对于未观测到的空间类型则使用预定义的回退值。所得到的类型级先验可无需重新训练即迁移至未见过的环境。在 TartanAir 基准以及来自 EuRoC 数据集的真实微型飞行器（MAV）数据上的评估表明，该方法可实现无需目标域重新训练的仿真到现实迁移。SemGraph-Route 在所选瓶颈场景中平均代理路径风险降低 4.6%，个别场景最大降幅达 33.0%。