摘要
持久开放词汇导航使机器人能够利用可复用的视觉语义证据来搜索一系列语言指定的物体。在边缘GPU上，该流程受到基础模型推理、语义投影、持久地图移动、前沿处理和重复目标检测的制约。以OneMap作为受控参考，我们通过编译的混合精度感知、直接到地图的置信度加权特征聚合、加速器驻留的语义地图、编译的导航操作和语言条件检测器调度重新组织此工作负载。所得的数据流去除了密集图像分辨率特征中间层，并根据当前视图的目标相似性安排目标确认检测。在完整的Habitat-Matterport 3D基准测试中，我们的实现保留了重现的OneMap单物体和多物体成功率的92.6%和96.1%。在Jetson AGX Orin上四种功耗模式下的36组硬件在环配对比较中，设备端计算的平均加速比达到4.64倍，完整回合时长的平均加速比达到3.55倍。在保持所有配对结果一致的同时，峰值系统随机访问内存（RAM）减少了51.21%，板轨能耗代理总和平均减少了75.32%。这些结果表明，协同数据流和当前视图目标条件执行是功率受限边缘机器人上高效持久基础模型导航的有效机制。
