💻 computer science

Interleaved POMDP Planning for Multi-Object Search in Unknown Multi-Room Household Environments

该论文介绍了 Inter-POMDP，这是一种新型的交替规划算法，它将由大语言模型（LLM）驱动的高层 POUCT 规划器与具备障碍物感知能力的低层运动规划器相结合，旨在高效且安全地解决未知、杂乱的家庭环境中的多目标搜索任务，并证明了与基准方法相比，该算法能显著减少碰撞、导航步数和检测次数。

原作者： Ruochu Yang, Ziyi Xia, Huibo Zhang, Yatong Han, Yiming Zhao, Yingke Li, Fumin Zhang, Yorai Wardi, Mengxue Hou

发布于 2026-07-14

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Ruochu Yang, Ziyi Xia, Huibo Zhang, Yatong Han, Yiming Zhao, Yingke Li, Fumin Zhang, Yorai Wardi, Mengxue Hou

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你是一个被派往一个从未见过的巨大且凌乱的房屋中执行任务的机器人侦探。你的任务是什么？寻找三件特定的物品：一个杯子、一个苹果和一个叉子。但这里有个难点：这间房子充满了隐藏的陷阱（未知的障碍物），家具的摆放方式也令人困惑，而且你无法一眼看清所有事物。你必须猜测物品可能出现的位置，同时努力避免撞到椅子或墙壁。

这正是由一个研究团队开发的新研究所解决的挑战。他们创建了一个名为 Inter-POMDP 的智能规划系统，旨在帮助机器人解决这个“多目标搜索”谜题。

问题所在：为什么旧方法会失灵

想象一下，旧有的机器人尝试寻找物品的方法就像拥有两个从不交流的独立大脑：

大脑 A（大局观）： 这个大脑了解通用规则，比如“杯子通常在咖啡机附近”。它会根据这些猜测来选择要搜索的房间。
大脑 B（导航员）： 这个大脑负责实际引导机器人走向那个房间。

问题在于，大脑 A 会说：“去厨房！”却不知道通往厨房的路径被一堆书挡住了。大脑 B 随后尝试前往那里，结果被卡住、发生碰撞，或者绕了巨大的远路，然后仅仅告诉大脑 A：“我失败了。”大脑 A 不会从中学习；它只会再次选择同样的错误路径。论文指出，这种“分离且顺序执行”的方法效率低下，并会导致过多的碰撞和步数浪费。

解决方案：“交织”之舞

研究人员提出了一种新方法，让这两个大脑在循环中进行持续的对话。他们称之为 交织式 POMDP 规划（Interleaved POMDP Planning）。

以下是其工作原理，我们使用一个创意类比：

想象机器人是一个带着一个 福尔摩斯 式搭档（高层规划器）和一个 侦察兵 式搭档（低层规划器）的侦探。

福尔摩斯搭档（高层）： 这个搭档使用一本“魔法书”（大语言模型）来猜测物体可能出现的位置。它知道“杯子很可能在桌子上”或“叉子靠近盘子”。它绘制了一张概率图——就像一张热力图，显示杯子最有可能出现的位置。
侦察兵搭档（低层）： 这个搭档是实际行走的人。它携带了一团“可能性云”（粒子信念），关于隐藏的障碍物。它看到的不仅仅是墙壁；它还会想象黑暗中存在的隐形绊索和凸起。
交织循环：
- 福尔摩斯说：“让我们去检查厨房！”
- 侦察兵尝试前往那里，但意识到：“哇，这条路非常狭窄且危险。需要走 80 步，而且我可能会撞车。”
- 至关重要的是，侦察兵并不只是说“不行”。它将“80 步且高风险”的信息传回给福尔摩斯。
- 福尔摩斯更新了它的地图：“好吧，现在去厨房不是个好主意。让我们试试客厅，即使那里出现杯子的概率较低，但因为那里的路径更安全且更短。”
- 这种来回沟通不断重复。机器人从自身的错误中实时学习，平衡在哪里寻找与到达那里有多难。

实验结果显示了什么

研究人员通过两种方式测试了这个系统：在包含 8 到 12 个房间的计算机模拟房屋中，以及在真实房间里的真实机器人上。他们将新系统与另外两种方法（CSG-TL 和 COSPOMDP）进行了对比。

实验结果非常明确：

更少的碰撞： 新系统的碰撞次数比其他方法减少了高达 63%。在模拟实验中，它在寻找第二和第三个物体时实现了零碰撞，而其他系统仍偶尔发生碰撞。
更短的步行距离： 机器人寻找物品所走的步数减少了高达 35%。例如，在其中一个特定测试场景（称为“train 13”）中，寻找第三个物体时，新机器人仅用了 14 ± 1 步。而其他机器人分别走了 80 ± 2 步和 166 ± 5 步。这是一个巨大的差异！
更聪明的观察： 机器人不需要频繁地“观察”（使用摄像头）。它减少了停止并扫描房间的次数，降幅高达 32%。到寻找第三个物体时，它仅需要 1 ± 0.1 次检测尝试，而其他机器人则需要 2 到 4 次。

他们并未声称的内容

值得注意的是，这篇论文并没有说这些。研究人员谨慎地指出，他们的方法专门用于在未知多房间环境中以及面对未知障碍物时进行搜索。他们并不声称这解决了所有的机器人问题。例如，他们提到目前的设置侧重于 2D 地图，尚未处理从杂乱桌面拿起物体的复杂 3D 操作（尽管他们建议将其作为未来的目标）。他们还指出，虽然他们的系统使用“魔法书”（LLM）来进行猜测，但仍然依赖机器人自身的传感器来确认物体实际所在的位置。

核心结论

该论文表明，通过让“大局观”规划器和“行走”规划器不断进行对话，机器人可以更好地在混乱且未知的房屋中寻找物品。它们不仅是在猜测，还在从即将经过的路径难度中学习。在模拟和现实世界测试中，这种“交织”式的协作使得机器人比传统方法更快、更安全且更高效。

技术摘要：面向未知多房间家庭环境中多目标搜索的交织式 POMDP 规划

问题陈述

本文解决了移动机器人于未知、杂乱的多房间家庭环境中进行多目标搜索的挑战。与确定性设置不同，这些环境存在广泛的不确定性：目标物体位置未知，障碍物（如椅子、桌子）未被观测到，且由于多个物体和障碍物的组合特性，状态空间极其庞大。

核心难点在于**部分可观测马尔可夫决策过程（POMDP）**规划。虽然 POMDP 为不确定性下的序列决策提供了原则性的框架，但在大规模领域中，其计算复杂度是难以承受的。随着物体数量的增加，信念空间（belief space）的维度呈指数级增长，且由于缺乏关于障碍物位置的先验知识，长程规划变得尤为困难。现有方法往往无法在规划质量与效率之间取得平衡，要么忽略了几何导航约束，要么依赖于缺乏对物理世界不确定性鲁棒性的简单重规划策略。

方法论：Inter-POMDP

作者提出了 Inter-POMDP，一种新型的交织式 POMDP 规划算法，该算法通过将问题分解为两个相互作用的层级来管理复杂性，同时保持鲁棒性。

1. 分层分解

该框架将规划任务分为：

高层规划器（语义推理）： 在语义地图（ $M_s$ ）上运行，以确定在哪里进行搜索。它根据物体分布选择抽象动作（导航、搜索、感知、声明）。
低层规划器（几何推理）： 在拓扑地图（ $M_p$ ）和占据网格（ $M_o$ ）上运行，以确定如何安全地导航。它处理原始动作（移动、转向），并对由未知障碍物引起的轨迹级不确定性进行建模。

2. 关键组件

信念表示：
- 高层： 使用离散化家具位置上的直方图信念（histogram beliefs）。这些信念通过 LLM 驱动的语义先验（物体-物体及物体-家具关系）进行细化，以引导搜索向更有希望的区域（例如，杯子很可能在桌子上）。
- 低层： 使用**粒子信念（particle beliefs）**来表示关于障碍物配置的假设。这使得规划器能够对候选轨迹沿线的碰撞风险进行推理。
LLM 集成： 系统并非训练复杂的关联模型，而是利用**大语言模型（LLM）**来推断语义关系（例如，“厨房餐桌上的咖啡杯”）并通过记忆地图在线积累领域特定知识。
交织通信（核心创新）：
- 不同于高层规划器无法感知执行成本的顺序分层方法，Inter-POMDP 建立了双向反馈循环。
- 低层规划器根据观测到和假设的障碍物计算导航成本。
- 这些成本作为领域知识向上层传播，用于初始化高层的 **POUCT（部分可观测置信树）**搜索。
- 具体而言，高层树搜索中的 Q 值（ $Q(s,a)$ ）使用低层导航成本而非零值进行初始化。这使得搜索向那些不仅在语义上有前景、而且在几何上也是可行的子任务倾斜，从而防止选择被阻挡或成本过高的路径。

3. 算法流程

算法迭代更新地图和信念：

高层规划器使用 POUCT 选择一个语义子任务，该过程受 LLM 先验和低层成本反馈的引导。
低层规划器执行运动原语，根据 LiDAR/摄像头观测更新粒子信念和拓扑地图。
从低层执行中获得的导航成本被反馈给高层规划器，以剪枝冗余的搜索分支并细化未来的动作选择。

主要贡献

新型交织框架： 本文引入了首个用于未知多房间环境中多目标搜索的交织式 POMDP 规划算法。它设计了语义高层规划器与几何低层规划器之间原则性的交互。
领域知识集成： 该方法有效地将 LLM 驱动的语义推理与具身导航反馈相结合。通过将不确定性视为物理层面的（通过粒子信念）而非纯粹语义层面的，它将导航成本直接整合进高层决策过程中。
鲁棒性与效率： 该框架通过使用粒子信念进行避障以及使用 LLM 先验进行搜索方向引导，平衡了规划质量与效率，避免了联合状态空间规划的计算不可行性。

实验结果

作者在模拟环境（包含 8–12 个房间的 ProcTHOR 环境）和真实世界部署（双臂移动机器人）中，将 Inter-POMDP 与两个基准方法 CSG-TL 和 COSPOMDP 进行了对比评估。

碰撞减少： 与基准方法相比，Inter-POMDP 将碰撞次数降低了高达 63%。在许多试验中，它在寻找第二和第三个物体时实现了零碰撞，而基准方法表现出更高且缺乏系统性的碰撞率。
导航效率： 该算法减少了高达 35% 的导航步数。在特定场景下（例如在复杂场景中寻找第三个物体），它比 CSG-TL 减少了超过 90% 的步数。
感知经济性： 检测计数减少了高达 32%，表明机器人能更精准地将其传感器导向目标位置，而非进行探索性感知。
泛化能力： 该方法在多种场景下均保持了稳定的性能，无需针对特定场景进行调优，而基准方法在不同环境布局下的性能波动较大。

意义与主张

本文声称 Inter-POMDP 为大规模未知环境中的规划质量与效率之间的权衡提供了一个原则性的解决方案。通过将具身的导航信息系统地纳入信念更新过程，该框架使不确定性下的规划更加鲁棒。

作者强调，其方法超越了简单的重规划或基于 LLM 的动作重选，而是创建了一种全局计划的连续、迭代式协同细化。其意义在于证明了低层几何约束（障碍物不确定性）应当且能够为高层语义决策（搜索顺序）提供信息，从而实现现实家庭设置中更安全、更高效的自主搜索。这项工作表明，将不确定性视为物理层面的而非纯粹语义层面的，对于部署完全自主的家用机器人至关重要。