摘要
持久化开放词汇表导航使机器人能够利用可复用的视觉语义证据来搜索按语言顺序指定的对象。在边缘GPU上，这一流程受到基础模型推理、语义投影、持久化地图移动、前沿处理以及重复目标检测的限制。通过使用OneMap作为受控参考，我们通过编译的混合精度感知、直接映射的置信度加权特征聚合、加速器内的语义映射、编译的导航操作以及基于语言条件的检测器调度来重新组织这些工作负载。由此产生的数据流消除了密集的图像分辨率特征中间层，并将目标确认检测从当前视图的目标相似性中分离出来。在Habitat-Matterport 3D基准测试中，我们的实现在单目标和多目标场景下的成功率分别为92.6%和96.1%。在Jetson AGX Orin上进行的三十六次硬件在环（Hardware-in-the-loop）对比中，该方案在设备本地计算方面的平均加速比为4.64倍，在整个任务期间的平均加速比为3.55倍。同时，它还将系统的峰值随机存取内存（RAM）减少了51.21%，电路板总能耗平均降低了75.32%，同时保留了所有对比结果。这些结果表明，协调的数据流和基于当前视图的目标条件执行是实现节能边缘机器人上高效持久化基础模型导航的有效机制。
