DyNaVLM: Sistema de Navegação Visão-Linguagem Zero-Shot com Pontos de Vista Dinâmicos e Memória de Grafo Autoajustável

Apresentamos o DyNaVLM, uma estrutura de navegação visão-linguagem de ponta a ponta utilizando Modelos Visão-Linguagem (VLM). Em contraste com métodos anteriores limitados por intervalos angulares ou de distância fixos, nosso sistema permite que agentes selecionem livremente alvos de navegação por meio de raciocínio visual-linguístico. Em seu núcleo está uma memória de grafo autoajustável que 1) armazena localizações de objetos como relações topológicas executáveis, 2) possibilita compartilhamento de memória entre robôs via atualizações distribuídas do grafo, e 3) aprimora a tomada de decisão do VLM por meio de aumento por recuperação. Operando sem treinamento ou ajuste fino específicos de tarefa, o DyNaVLM demonstra alto desempenho nos benchmarks GOAT e ObjectNav. Testes no mundo real validam ainda sua robustez e generalização. As três inovações do sistema: formulação dinâmica do espaço de ações, memória de grafo colaborativa e implantação sem treinamento estabelecem um novo paradigma para robótica incorporada escalável, preenchendo a lacuna entre tarefas VLN discretas e navegação contínua no mundo real.