SCOUT: 3D-Graphen für effiziente Objektsuche im offenen Raum

Die Suche nach Gegenständen in unstrukturierten Haushaltsumgebungen erfordert ein tiefes Verständnis der semantischen Beziehungen zwischen Objekten und ihrem Kontext. Traditionelle Ansätze, die auf Vision‑Language‑Embeddings oder großen Sprachmodellen basieren, liefern entweder unzuverlässige Relationen oder sind zu rechenintensiv für Echtzeit‑Anwendungen.

SCOUT (Scene Graph-Based Exploration with Learned Utility) löst dieses Problem, indem es direkt über 3‑D‑Scene‑Graphs navigiert. Dabei werden Räume, Frontiers und Objekte mit Nutzenwerten bewertet, die auf relationalen Heuristiken wie Raum‑Objekt‑Containment und Objekt‑Objekt‑Koinzidenz beruhen. So kann die Robotik effizient entscheiden, wohin sie sich bewegen und welche Objekte sie priorisieren soll.

Um die Vorteile von Sprachmodellen ohne deren Rechenaufwand zu nutzen, wurde ein Offline‑Prozedur‑Distillations‑Framework entwickelt. Dieses extrahiert strukturiertes relationales Wissen aus LLMs und überträgt es in leichtgewichtige Modelle, die direkt auf dem Robotern laufen. Zusätzlich wurde SymSearch, ein skalierbares symbolisches Benchmark, eingeführt, um semantische Reasoning‑Fähigkeiten in interaktiven Suchaufgaben zu evaluieren.

Umfangreiche Tests in symbolischen und simulierten Umgebungen zeigen, dass SCOUT die Leistung von Embedding‑Similarity‑Methoden übertrifft und gleichzeitig die Effizienz von LLM‑basierten Ansätzen erreicht. In realen Experimenten demonstriert die Methode eine erfolgreiche Übertragung in physische Umgebungen, wobei sie unter realistischen Sensordaten und Navigationsbedingungen eine effektive offene Welt‑Objektsuche ermöglicht.