- • 论文标题： GuideNav: User-Informed Development of a Vision-Only Robotic Navigation Assistant For Blind Travelers
- • 发表会议： HRI '26 (ACM/IEEE International Conference on Human-Robot Interaction)
- • 论文链接： https://arxiv.org/abs/2512.06147 (数据集已开源)
2. 核心动机
研究团队发现，虽然导盲机器人研究很多，但很少有设计真正符合盲人（BLV）的日常习惯。现有的基于高精地图（LiDAR/GPS）的方案存在巨大痛点：
- 1. 传感器缺陷： LiDAR昂贵、耗电、且容易受雨雪、玻璃门、反光地面干扰；GPS在城市高楼区和室内由于信号遮挡常常失效。
- 2. 忽视用户习惯： 盲人出行通常有固定的路线（如从家到车站），且依赖特定的交互反馈（如通过手柄感知路况）。
- 3. 缺乏数据： 现有研究极度缺乏关于“真导盲犬如何工作”以及“盲人如何行走”的高质量数据。
目标： 打造一款轻量级、低成本、能像导盲犬一样通过“记忆和重复”路线来工作的纯视觉机器人。
. 核心贡献一：GuideData 数据集
为了搞懂真正的需求，团队进行了一项大规模的形成性研究（Formative Study），并将数据开源，命名为 GuideData。
- • 内容： 包含对26位导盲犬使用者、9位训练师的访谈，以及超过15小时的导盲犬行走第一视角视频。
- • 价值： 这是目前首个全面记录导盲犬-主人交互、真实导航挑战和盲人日常出行的大规模开源数据集，为后续研究确立了“金标准”。
左图为真实导盲犬引导，中图为GuideNav系统界面，右图为机器人视角下的导航逻辑。
4. 核心方法：GuideNav 系统架构
GuideNav 的核心思想是视觉示教与重复（Visual Teach-and-Repeat, VT&R），模拟导盲犬的训练过程：先由人带着走一遍（示教），然后机器人自己走（重复）。
硬件配置：
- • 平台： Unitree Go2 四足机器人（具有良好的地形适应性）。
- • 传感器： 仅使用一个 Intel RealSense D435i RGB摄像头（不使用深度图，仅用RGB）。
- • 计算： NVIDIA Jetson AGX Orin。
技术流水线（Pipeline）：
- 1. 示教阶段（Teach）：拓扑地图构建
- • 操作员遥控机器人走一遍路线，录制视频。
- • 关键帧提取： 使用 DINOv3 大模型提取图像特征。
- • 自适应筛选： 系统根据时间间隔和图像相似度（Cosine Similarity）自动筛选关键帧，生成稀疏的拓扑地图（Topological Map）。相比密集地图，这极大降低了存储需求（1km路程仅需约24MB）。
- 2. 重复阶段（Repeat）：定位与控制
- • 视觉位置识别（VPR）： 实时图像经过 CosPlace 编码，与地图中的节点进行匹配，检索出当前的“子目标”（Subgoal）。为了防止匹配跳变，引入了贝叶斯滤波来保证时间一致性。
- • 相对位姿估计（核心创新）： 放弃了传统的“特征匹配+PnP”方案（因为在纹理少或光照变化大时容易挂），改用 Reloc3r 神经网络。它能直接回归出当前图像与目标关键帧之间的相对位姿（）。
- • 控制策略： 基于单轮车模型（Unicycle Model）的非线性反馈控制器，将位姿误差转化为机器人的线速度和角速度，驱动机器人平滑地走向子目标。
系统分为Teach（示教）和Repeat（复现）两个阶段。利用DINOv3和CosPlace强大的特征提取能力，结合Reloc3r的位姿回归，实现了鲁棒的视觉导航。
实验结果与分析
团队在室内外多种环境下进行了测试，甚至邀请了3位资深导盲犬使用者和专业训练师进行实地盲测。
- • 超长距离测试： 实现了单次 2.02公里 的户外自主导航，且没有GPS和LiDAR辅助。
- • 鲁棒性惊人：
- • 光照变化： 示教和复现即使在不同时间段（光照差异大）、有动态障碍物（行人、车辆）的情况下，成功率依然极高。
- • 成功率： 在总计近5公里的盲人测试中，实现了100%的转向成功率（46/46 TSR），仅需极少数的人工干预（主要是为了避让极其复杂的突发障碍）。
- • 用户体验（NASA-TLX & SUS）：
- • 盲人参与者表示“这非常容易”、“完全自动”、“很有安全感”。
- • 相比真实导盲犬，机器人的动作略显生硬（Robotic），缺乏生物那种通过挽具传递的细腻身体语言（如减速预判），但作为导航工具已非常可靠。
